请描述你在实际项目中如何构建用于训练或评估的数据集，包括数据来源、清洗与标注等关键环节。

回答思路

1. 明确说明数据来源与获取方式
2. 描述数据清洗、去重、缺失处理等步骤
3. 涉及标注或标签设计时说明流程与质量控制
4. 结合项目目标说明数据规模、分布与验证策略