建筑行业转介绍预测垂类大模型语料数据

该数据可用于训练建筑行业转介绍行为预测垂类大语言模型，使其能够深度理解企业在客户关系管理与业务拓展过程中对于转介绍行为预测方向的自然语言问题，并准确转化为对应的SQL查询语句，从而实现转介绍行为数据的高效查询与智能预测分析。依托建设通平台整合的企业基础信息、合作历史、满意度评价、转介绍记录、关系深度等多源数据构建标准化语料体系，模型经训练后可精准理解"转介绍意愿""预测概率""忠诚度评分""转介绍成功率""关系深度等级""转化率"等转介绍行为预测特有需求，建筑行业企业可基于本语料数据的"指标名称""问题查询"等字段内容，适配自身客户数据表结构（如替换建表语句中的表名、字段名），快速启用文字转SQL功能进行复用。本数据也为建筑行业提供稀缺的、高质量的转介绍行为预测垂直领域语料库，支撑意图识别、自然语言处理等核心技术的研发与评测，推动建筑行业对于项目转介绍的行为预测形成可量化评估的方向发展。同时对推动建筑行业数据要素价值释放和AI技术应用落地具有重要意义。1. 数据清洗与标准化
数据清洗：对从建设通平台整合的企业基础信息、合作历史、满意度评价、转介绍记录等多源原始数据进行清洗，剔除重复评估记录、缺失关键字段（如企业名称、转介绍意愿、预测结果）的数据及存在逻辑矛盾的样本。例如，转介绍成功次数超过转介绍总次数、转介绍成功率为负值、满意度评分超出1-5分范围、预测概率超过100%等异常记录均予以剔除。表格中"结果输出"为"无匹配数据"的样本，作为查询无返回结果的标准语料被保留，增强了模型对数据缺失场景的理解能力。
格式统一：统一转介绍意愿等级划分标准（高/中/低）、关系深度等级（浅层/中层/深层/战略）、预测结果分类（会转介绍/可能转介绍/不会转介绍）和SQL语法风格，确保语料的规范性和一致性。对建表语句进行格式化，统一字段类型和注释风格。
2. 问题分类与结构化
按照转介绍行为预测的特定场景对问题进行归类，主要包括转介绍预测总览（如"某企业会不会转介绍"）、转介绍意愿筛选（如"哪些企业转介绍意愿高"）、转介绍成功率排名、预测结果分类查询（如"预测会转介绍的企业"）、预测概率区间查询、关系深度筛选、忠诚度评分排名、合作满意度筛选、转介绍频次统计、合作深度与转介绍关联分析、高意愿低转化企业排查、转介绍目标企业分析、区域转介绍分布统计、资质等级与转介绍关联分析、评估周期对比、企业类型转介绍分析及综合转介绍排名等，确保语料对转介绍行为预测核心场景的全面覆盖。
3. 核心算法建模
（1）语义解析与要素提取：采用基于规则和行业词典的文本分析方法，对自然语言问题进行解析，精准提取关键要素。针对转介绍行为预测领域的特有表述（如"老带新""口碑推荐""引荐""转介绍""推荐客户""介绍业务"等），构建转介绍术语同义词映射表，将口语化表述归一化为标准转介绍意愿和预测查询条件。同时提取查询对象（企业/客户）、筛选条件（转介绍意愿、预测结果、预测概率区间、关系深度、忠诚度评分、满意度、区域、评估周期）及聚合维度等关键要素。
（2）SQL语句生成：基于预定义的"转介绍术语-字段"映射规则和"查询意图-过滤条件"映射规则，自动生成标准化的SQL查询语句。映射规则覆盖多条件组合、排序、分页（LIMIT）、聚合函数、分组统计及日期范围查询等SQL语法结构，重点强化合作深度与转介绍关联查询和高意愿低转化交叉分析的SQL生成能力。

搜集汇总

背景与挑战

背景概述

该数据集包含11463条标准化语料，用于训练建筑行业转介绍行为预测垂类大语言模型，使其能将自然语言问题准确转化为SQL查询语句。数据依托建设通平台整合的企业基础信息、合作历史、满意度等多元信息构建，支持转介绍意愿、预测概率、忠诚度评分等特有需求的智能分析，并可直接适配不同企业的客户数据表结构进行复用。