数据集概述
本数据集为斯里兰卡分类广告市场的广告匹配、语义检索及意图对齐研究开发，包含54489个广告对，来源覆盖五大平台，含人类验证真实样本与LLM生成样本。覆盖电子、车辆、房产三大类及20个子类，支持低资源子类别模型泛化训练评估。
文件详解
- 文件名称：
sri_lankan_classified_ads_matching_dataset_v1.xlsx
- 文件格式：XLSX
- 字段映射介绍：每行包含完整的供应与求购广告文本、两类广告的标题和描述、主类别与子类别标签；主类别包括电子（37.17%）、车辆（33.25%）、房产（29.58%），子类别含汽车、货车、房屋等20种；语言涵盖英语（60.34%）、混合语（34.46%）、僧伽罗语（5.20%）、泰米尔语（0.01%）
数据来源
斯里兰卡五大分类广告平台（ikman.lk、patpat.lk、Riyasewana、adz.lk、Hitad.lk）
适用场景
- 广告匹配模型训练: 用于训练和评估跨供应与求购广告的意图对齐机器学习模型
- 低资源语义检索研究: 支持稀缺子类别下的广告检索算法泛化能力验证
- 多语言广告分析: 探索英语、僧伽罗语、泰米尔语及混合语广告的语义表示差异
- 分类广告市场研究: 分析斯里兰卡电子、车辆、房产类广告的供需特征与分布规律
