國(guó)內(nèi)缺乏G質(zhì)量數(shù)據(jù)集主要有以下幾方面的原因：

1）G質(zhì)量數(shù)據(jù)集需要巨大資金投入，當(dāng)前國(guó)內(nèi)數(shù)據(jù)挖掘和數(shù)據(jù)治理的力度不足；

一個(gè)好的數(shù)據(jù)集應(yīng)該從D層設(shè)計(jì)、標(biāo)注規(guī)范、標(biāo)注質(zhì)量把控以及發(fā)布后更新升J各個(gè)方面嚴(yán)格把關(guān)，這個(gè)過(guò)程是需 要經(jīng)費(fèi)、人力等綜合因素的投入，一般是長(zhǎng)期投入的企業(yè)或者自然基金項(xiàng)目才有動(dòng)力開展這樣的工作

2）國(guó)內(nèi)相關(guān)公司不具有開源意識(shí)，數(shù)據(jù)無(wú)法在市場(chǎng)上自由流通；

互聯(lián)網(wǎng)公司擁有服務(wù)自身應(yīng)用的數(shù)據(jù)集因競(jìng)爭(zhēng)原因不愿公開，工業(yè)界里一些公司因保密原因不愿公開數(shù)據(jù)，傳統(tǒng)金 融L域公司重視合規(guī)保護(hù)；同時(shí)開源政策及社區(qū)不活躍，開源支持不到位，后期服務(wù)跟不上

3）國(guó)內(nèi)相關(guān)公司成立較晚，數(shù)據(jù)積累相對(duì)國(guó)外公司更少；

國(guó)內(nèi)互聯(lián)網(wǎng)公司成立普遍晚于國(guó)外（亞馬遜 1994 年，阿里巴巴 1999 年成立；谷歌 1998 年，百度 2000 年成立）， 早年互聯(lián)網(wǎng)公司以模仿國(guó)外的業(yè)務(wù)為主，在數(shù)據(jù)上的沉淀和積累較少，特別是特有中文數(shù)據(jù)

4）學(xué)術(shù)L域中文數(shù)據(jù)集受重視程度低；

使用中文數(shù)據(jù)集的論文往往不好發(fā)表，而G質(zhì)量、受認(rèn)可的中文會(huì)議期刊的數(shù)量不夠多。從而使得學(xué)術(shù)界在發(fā)展中文數(shù)據(jù)集上的動(dòng)力不足

5）國(guó)產(chǎn)數(shù)據(jù)集市場(chǎng)影響力及普及度較低等。

目前國(guó)內(nèi)大部分?jǐn)?shù)據(jù)集產(chǎn)品僅限于企業(yè)內(nèi)部使用，未經(jīng)過(guò)市場(chǎng)檢驗(yàn)，導(dǎo)致數(shù)據(jù)庫(kù)創(chuàng)新能力不足。使得企業(yè)開發(fā)數(shù)據(jù) 集的意愿較低，同時(shí)大模型訓(xùn)練普遍產(chǎn)學(xué)結(jié)合，學(xué)術(shù)界對(duì)中文數(shù)據(jù)集的忽視也會(huì)影響到業(yè)界