RDK 开发板问答数据集
来源:地瓜机器人官方社区论坛 https://forum.d-robotics.cc/
采集方式:通过 Discourse JSON API 抓取社区中**已被采纳答案(accepted answer)**的话题,提取「问题(首帖)— 答案(采纳回复)」对。
文件
| 文件 |
说明 |
qa.jsonl |
主数据集,每行一个 JSON 对象(1589 条) |
qa.json |
同内容的 JSON 数组版本,便于一次性加载 |
stats.json |
统计信息(分类分布、标签、长度分布) |
raw.jsonl |
清洗前的原始抽取结果(2298 条,含短答案/图片占位) |
meta.jsonl |
已解决话题元数据(2743 条,去重后) |
sorted_index.json |
按质量(点赞/回复/浏览)排序的话题 ID |
progress.txt |
抓取进度(已完成 2743/2743) |
字段(qa.jsonl)
| 字段 |
说明 |
id |
论坛话题 ID |
category |
分类名(新手上路 / Model Zoo / 硬件开发 / 应用开发 / 开发与问题 / 通用 / ISP Tuning / 反馈建议) |
tags |
话题标签(如 RDK X5、RDK X3、Tros、RDK Studio、rdk-s100) |
question |
问题文本 = 标题 + 首帖正文(HTML 已转纯文本,代码块保留) |
answer |
采纳答案正文(纯文本,代码块保留) |
source_url |
原帖链接 |
likes / views / posts |
点赞数 / 浏览数 / 总帖数 |
created |
话题创建时间 ISO8601 |
质量策略
- 仅保留已被采纳答案的话题(
has_accepted_answer=true),答案为该话题官方采纳的回复。
- 按
点赞数 > 回复数 > 浏览数 排序抓取,优先高质量话题。
- 过滤:答案 < 60 字、问题 < 40 字、重复问题、纯致谢/已解决占位回复。
- 文本清洗:HTML→纯文本,保留
<pre>/<code> 代码块;移除图片尺寸标注与占位符。
统计(stats.json)
- 总条数:1589
- 分类分布:Model Zoo 642、新手上路 556、应用开发 135、硬件开发 123、开发与问题 75、通用 42、ISP Tuning 11、反馈建议 5
- 高频标签:RDK X5 (418)、RDK X3 (212)、RDK Studio (93)、Tros (69)、旭日X3派 (57)、J3 (40)、SDB (23)、rdk-s100 (21)
- 问题长度中位数 274 字(p90=2852),答案长度中位数 112 字(p90=766)
覆盖的典型主题
- 系统烧录与启动(SD 卡、镜像、指示灯、HDMI)
- 模型量化与部署(YOLO v5/v8/v11、RDK_model_zoo、BPU、反量化节点、校准数据集)
- 摄像头与取流(USB 摄像头帧率、GStreamer、v4l2、MIPI 双目)
- ROS/TROS 部署、SLAM 建图、节点与依赖问题
- 网络与连接(DNS、热点、SSH 握手、IP 冲突、RDK Studio 连接)
- 硬件供电、原理图、Wi-Fi 稳定性、外设
- 工具链 OE 包下载、Docker 镜像