rd_expenditure
iran_rd_expenditure
هزینهٔ تحقیق و توسعه ایران — ملی و استانی
هزینهٔ تحقیق و توسعهٔ کارگاههای دارای فعالیت R&D، به تفکیکِ نوعِ هزینه و استان.
پوشش: 1401–1402 · سطح: ملی + ۳۱ استان · واحد: میلیون ریال
ساختار هزینه
نوعِ هزینه در ستون breakdown میآید و سلسلهمراتبی است:
all = هزینهٔ جاری + هزینهٔ سرمایهای
هزینهٔ جاری = دستمزد محققان + دستمزد سایر کارکنان + سایر هزینههای جاری
برای پرهیز از دوبارشماری، سطوحِ مختلف را با هم جمع نزنید.
منبع: مرکز آمار ایران — طرح آمارگیری از… See the full description on the dataset page: https://huggingface.co/datasets/Farmaanaa/iran_rd_expenditure.china-rd-expenditure-categorization-dataset
Summary
本数据集用于 企业所得税研发费用 凭证文本的预分类/归集建议任务：给定费用凭证的简要信息（科目/摘要/部门/金额/收款方等），输出结构化预分析结果，供下游规则引擎与人工复核使用。
当前仓库包含两份 JSONL：
**data/train_samples.jsonl**：人工/示例样本（相对少量）
**data/train_generated.jsonl**：模型生成的扩充样本（相对多量），每条带 generated: true
Data format
每行是一个 JSON 对象，核心字段如下：
**messages**：对话格式（system/user/assistant）
system：任务说明与输出字段规范
user：一条费用凭证的文本化输入
assistant：只输出合法 JSON 字符串（结构化预分类结果）
**category**：该样本的归集科目标签（用于训练/评估的外部标签）
**difficulty**：难度（简单/中等/困难）
**generated**：是否为生成数据（仅在生成集里出现，布尔）… See the full description on the dataset page: https://huggingface.co/datasets/guannanjiayou/china-rd-expenditure-categorization-dataset.