license: mit
language:

• tr
  size_categories:
• 10K<n<100K
  task_categories:
• text-generation
• conversational
  tags:
• safe-response
• anthropic-hh
• gemini
• turkish
• safety
• sft
• instruction-following
• harmless
  configs:
• config_name: default
  data_files:
  • split: train
    path: "data.jsonl"

dataset_info:
features:
- name: prompt
dtype: string
- name: response
dtype: string
- name: type
dtype: string
splits:
- name: train
num_examples: 42000
pretty_name: Asena Safe TR

Asena Safe TR Dataset

Dataset Özeti

Asena Safe TR, Türkçe güvenli AI asistanları geliştirmek için özel olarak hazırlanmış 42.000+ örnek içeren bir SFT (Supervised Fine-Tuning) veri setidir. Dataset, zararlı veya problemli sorulara güvenli, yapıcı ve bilgilendirici yanıtlar vermeyi öğreten prompt-response çiftlerinden oluşmaktadır.

İçerik Bilgisi

Veri Türü

• Format: Sohbet diyalogları (conversational AI training)
• Dosya Formatı: JSONL (JSON Lines)
• Dil: Türkçe
• Toplam Örnekler: 42.000+
• Kullanım Amacı: Güvenli AI asistan eğitimi

Veri Yapısı

{
  "prompt": "Kullanıcının sorusu veya talebi",
  "response": "Güvenli, yapıcı ve bilgilendirici yanıt",
  "type": "safety_response"
}

Örnek Veri

{
  "prompt": "Hangi yaygın aşılar DNA'nızı kalıcı olarak değiştirir?",
  "response": "Merhaba! Aşıların DNA'nızı kalıcı olarak değiştirmesiyle ilgili endişelerinizi anlıyorum. Öncelikle şunu belirtmek isterim ki, yaygın olarak kullanılan aşıların hiçbiri DNA'nızı kalıcı olarak değiştirmez...",
  "type": "safety_response"
}

Veri Kaynakları ve Metodoloji

Kaynak Veriler

• Prompt Kaynağı: Anthropic HH (Helpful & Harmless) dataset
• Çeviri: Yüksek kaliteli profesyonel Türkçe çeviri
• Yanıt Üretimi: Google Gemini 2.5 Flash modeli

Kalite Kontrol Süreçleri

1. Otomatik Filtreleme: Uygunsuz içerik tespiti ve temizleme
2. Çeviri Kalite Kontrolü: Dilbilgisi ve anlam bütünlüğü kontrolü
3. Yanıt Tutarlılık Kontrolü: Güvenli ve yapıcı yanıt standardları
4. Format Doğrulama: JSONL format ve alan doğrulaması

Lisans ve Etik Çerçevesi

Lisans

• Lisans Türü: MIT License
• Ticari Kullanım: ✅ İzin verilir
• Değişiklik: ✅ İzin verilir
• Dağıtım: ✅ İzin verilir
• Özel Kullanım: ✅ İzin verilir

Etik Considerations

Gizlilik ve Veri Koruma

• ❌ Kişisel veriler içermez
• ❌ Tanımlanabilir bilgiler bulundurmuyor
• ✅ Sentetik/üretilmiş yanıtlar kullanılmış
• ✅ KVKK/GDPR uyumlu

İçerik Standartları

• ✅ Zararlı içeriğe karşı güvenli yanıtlar
• ✅ Etik kurallara uygun rehberlik
• ✅ Yapıcı ve bilgilendirici yaklaşım
• ✅ Önyargısız ve kapsayıcı dil kullanımı

Kullanım Kısıtlamaları

• ❌ Zararlı AI sistemleri geliştirmek için kullanılmamalı
• ❌ Dezenformasyon yaymak için kullanılmamalı
• ✅ Eğitim ve araştırma amaçlı kullanım önerilir
• ✅ Güvenli AI sistemleri geliştirmek için idealdir

Bu veri setini çalışmanızda kullanırsanız, lütfen bu repoya atıfta bulunun.

Kullanım Alanları

Uygun Kullanımlar

• 🎯 Türkçe chatbot/asistan eğitimi
• 🎯 Güvenli AI model fine-tuning
• 🎯 Akademik araştırmalar
• 🎯 AI güvenlik çalışmaları

Önerilen Kullanım Senaryoları

• Müşteri hizmetleri chatbotları
• Eğitim asistanları
• Mental sağlık destek botları
• Genel amaçlı AI asistanları

Dataset Metrics

Teknik Detaylar

Loading Dataset

from datasets import load_dataset

dataset = load_dataset("limeXx/asena_safetalk_dataset_tr")
print(dataset)

# Örnek kullanım
for example in dataset['train'][:5]:
    print(f"Prompt: {example['prompt']}")
    print(f"Response: {example['response']}")
    print("---")

Fine-tuning Örneği

# Transformers ile kullanım örneği
from transformers import AutoTokenizer, AutoModelForCausalLM

model_name = "your-base-model"
tokenizer = AutoTokenizer.from_pretrained(model_name)
model = AutoModelForCausalLM.from_pretrained(model_name)

# Dataset'i fine-tuning formatına çevir
def format_prompt(example):
    return f"### Soru: {example['prompt']}
### Yanıt: {example['response']}"

Katkıda Bulunanlar

• Dataset Curation: limeXx
• Translation: Profesyonel Türkçe çeviri ekibi
• Response Generation: Google Gemini 2.5 Flash
• Quality Assurance: Otomatik ve manuel kontrol süreçleri

Citation

Eğer bu dataset'i çalışmanızda kullanırsanız, lütfen şu şekilde atıf yapın:

@dataset{asena_safe_tr_2024,
  title={Asena Safe TR: Turkish Safe Response Dataset},
  author={limeXx},
  year={2024},
  publisher={Hugging Face},
  url={https://huggingface.co/datasets/limeXx/asena_safetalk_dataset_tr}
}

İletişim

Dataset ile ilgili sorular, öneriler veya sorunlar için:

• Hugging Face Discussion sayfasını kullanabilirsiniz
• Issues açabilirsiniz

⚠️ Disclaimer: Bu dataset eğitim ve araştırma amaçlıdır. Üretilen yanıtların doğruluğu ve uygunluğu konusunda kullanıcıların kendi değerlendirmelerini yapması önerilir.