jordiclive/test-shades

该数据集包含多种语言（如英语、法语、罗马尼亚语、阿拉伯语、孟加拉语、中文、荷兰语、印地语、马拉地语、俄语、德语、意大利语、波兰语、巴西葡萄牙语和西班牙语）的偏见句子及其相关注释。数据集的特征包括偏见类型、偏见句子的模板、偏见句子、评论、表达方式等。数据集的分割为测试集，包含666个样本，文件大小为637910字节。

原始信息汇总

数据集概述

数据集特征

数据集包含以下特征：

• index: 类型为字符串。
• bias_type: 序列类型为字符串。
• stereotype_origin_langs: 序列类型为字符串。
• stereotype_valid_langs: 序列类型为字符串。
• stereotype_valid_regions: 序列类型为字符串。
• stereotyped_group: 类型为字符串。
• en_template: 类型为字符串。
• en_biased_sentence: 类型为字符串。
• en_comment: 类型为字符串。
• fr_template: 类型为字符串。
• fr_biased_sentence: 类型为字符串。
• fr_expression: 类型为浮点数（float64）。
• fr_comment: 类型为字符串。
• ro_template: 类型为字符串。
• Romanian: Biased Sentences: 类型为字符串。
• ro_expression: 类型为浮点数（float64）。
• ro_comment: 类型为字符串。
• ar_template: 类型为浮点数（float64）。
• ar_biased_sentence: 类型为字符串。
• Arabic: Comment: 类型为字符串。
• ar_perceived_stereotype: 类型为字符串。
• Arabic: Is this a saying?: 类型为浮点数（float64）。
• bn_template: 类型为浮点数（float64）。
• bn_biased_sentence: 类型为字符串。
• Bengali: Comments: 类型为浮点数（float64）。
• bn_perceived_stereotype: 类型为字符串。
• Bengali: Is this a saying?: 类型为浮点数（float64）。
• zh_template: 类型为浮点数（float64）。
• zh_biased_sentence: 类型为字符串。
• zh_expression: 类型为字符串。
• Chinese: Comment: 类型为字符串。
• zh_hant_biased_sentence: 类型为字符串。
• zh_hk_expression: 类型为字符串。
• Traditional Chinese: Comment: 类型为字符串。
• nl_template: 类型为字符串。
• nl_biased_sentence: 类型为字符串。
• nl_expression: 类型为字符串。
• Dutch: Comment: 类型为字符串。
• Is this stereotype perceived in the nederlands?: 类型为字符串。
• hi_template: 类型为字符串。
• hi_biased_sentence: 类型为字符串。
• Hindi: Is this a saying?: 类型为浮点数（float64）。
• Hindi: Comments: 类型为浮点数（float64）。
• mr_template: 类型为字符串。
• mr_biased_sentence: 类型为字符串。
• Marathi: Is this a saying?: 类型为浮点数（float64）。
• hi_perceived_stereotype: 类型为字符串。
• ru_template: 类型为字符串。
• ru_biased_sentence: 类型为字符串。
• Russian: Comments: 类型为字符串。
• ru_expression: 类型为字符串。
• de_template: 类型为字符串。
• de_biased_sentence: 类型为字符串。
• German: Comments: 类型为字符串。
• de_expression: 类型为字符串。
• it_template: 类型为字符串。
• it_biased_sentence: 类型为字符串。
• Italian: Is this a saying?: 类型为浮点数（float64）。
• pl_template: 类型为字符串。
• pl_biased_sentence: 类型为字符串。
• Polish: Comments: 类型为字符串。
• pl_expression: 类型为字符串。
• pt_br_template: 类型为字符串。
• pt_br_biased_sentence: 类型为字符串。
• Brazilian Portuguese: Comments: 类型为字符串。
• pt_br_expression: 类型为字符串。
• Spanish: Templates: 类型为浮点数（float64）。
• es_biased_sentence: 类型为字符串。
• Spanish: Comments: 类型为字符串。
• es_expression: 类型为浮点数（float64）。

数据集分割

数据集包含一个分割：

• test: 包含666个样本，占用637910字节。

数据集大小

• 下载大小: 254088字节
• 数据集大小: 637910字节

配置

• config_name: default
  • data_files:
    • split: test
      • path: data/test-*