tw_textforge 0.0.4

No project description provided

使用須知

1. 考試試題之使用符合著作權法

   根據中華民國政府的著作權法 - 第9條

   1. 下列各款不得為著作權之標的︰
      一、憲法、法律、命令或公文。
      二、中央或地方機關就前款著作作成之翻譯物或編輯物。
      三、標語及通用之符號、名詞、公式、數表、表格、簿冊或時曆。
      四、單純為傳達事實之新聞報導所作成之語文著作。
      五、依法令舉行之各類考試試題及其備用試題。

   依法舉辦的考試試題是不具備著作權的
   適用該條款的考試，包含：學測、會考、學校段考試題，但是不包含補習班、出版商自製的試題
   複雜情況：若學校段考考題使用了出版商的題目，那該題目仍然受到著作權的保護，為了規避法律風險，最佳實踐方案是只收集大考考試試題
   該專案有調整題目敘述，即重製題目，讓資料更適合 NLP
   請務必根據 Apache 2.0 許可證 使用專案程式碼
   也請務必遵守資料集的 指定許可證

   衍生參考資料: 考試題目也有著作權嗎？－林正椈律師

2. 基於語言模型的合成資料集 - 上下游關係

   上游：正在使用該工具的你/妳，身為API呼叫者
   下游：使用合成資料集的他/她，你/妳不是下游

   常見模型提供商的使用條款: OpenAI, Google

   • 皆禁止以輸出訓練競爭模型
   • 使用者皆擁有輸出。OpenAI: 可自由分發; Google: 需遵守法律，未限制分發
   • 截止 2025/07/20 使用條款無直接追溯力，下游使用者可根據資料集的協議使用資料集

   上游透過本工具，呼叫 Gemini API 產生合成資料集，並且上游釋出該資料集為 MIT 協議，下游使用者即可自由使用該資料集

公開資料集

台灣學測 - 中文考科(仍在繼續收錄中，從 114 學年度開始，目前到 105 學年度)

公開資料

學測考試試題整理

套件支援情況

作業系統

作業系統	支援	備註	開發者情況
Linux	✅	測試時，使用 Github Action ubuntu-latest	日常使用 Ubuntu
Windows	✅	測試時，使用 Github Action windows-latest	偶爾使用
MacOS	✅	測試時，使用 Github Action macos-13	沒有 Mac 裝置

Python 版本

這跟專案依賴套件有關
推薦: 3.10 ~ 3.12
目前較推薦: 3.11

快速安裝

生產階段(本套件可能不太適合鎖死版本)

Pypi 套件庫

pip install tw_textforge

開發階段(給有興趣的人自行衍生開發)

uv venv
uv pip install -e .[dev]

範本

1. 載入 CSV 檔並且上傳到 Huggice Face Hub

載入 CSV 靜態資料檔案並且上傳到 Huggice Face
後續可利用 Datasets 的流式讀取(streaming) 載入資料集，降低模型訓練硬體需求
算是 Datasets 的 "Hello World!"

2. LangGraph 單 Agent 範本

LangGraph 單 Agent 範本

3. 修改系統路徑導入模組，適合修改內部程式碼

該方法在安裝過專案包的 Docker Image 也適用，可讓開發更容易

4. 擷取學測試題的題目和選項、答案，自動複製到剪貼簿(若支援)，方便放到試算表中

• 題目和選項：適合用於從 Word 手動複製文字後，透過工具過濾
  • 根據文字規律提取內容
    • 題號後面都有 /t
    • 每個選項都是 (A) (B) (C) (D) (E)，但不要把選項放同一行，暫時不支援判斷單行多選項
• 答案：適合用於從 PDF 手動複製提取文字後，透過工具過濾
  • 根據文字規律提取內容
    • 題號 答案
    • "題號 答案"+" "+"題號 答案"

5. 生成學測國文考科題目分析