PlanTL-GOB-ES/wnli-es

WNLI-es数据集是一个西班牙语版本的Winograd NLI数据集，包含855个句子对。每个句子对中的第一个句子包含一个歧义，第二个句子是对该歧义的一种可能解释。标签指示解释是否正确（1表示正确，0表示不正确）。该数据集由专业翻译机构翻译，旨在促进西班牙语语言模型的发展。数据集遵循Creative Commons Attribution 4.0 International License许可。

YAML 标签：
annotations_creators:
- 专家生成
language_creators:
- 公开获取
language:
- es
license:
- cc-by-4.0
multilinguality:
- 单语言
pretty_name: wnli-es
size_categories:
- 未知
source_datasets:
- 扩展|GLUE
task_categories:
- 文本分类
task_ids:
- 自然语言推理（natural-language-inference）

---

# WNLI-es 数据集

## 目录
- [目录](#table-of-contents)
- [数据集描述](#dataset-description)
- [数据集概述](#dataset-summary)
- [支持任务与基准榜](#supported-tasks-and-leaderboards)
- [语言](#languages)
- [数据集结构](#dataset-structure)
- [数据实例](#data-instances)
- [数据字段](#data-fields)
- [数据划分](#data-splits)
- [数据集创建](#dataset-creation)
- [数据集构建初衷](#curation-rationale)
- [源数据](#source-data)
- [标注信息](#annotations)
- [个人与敏感信息](#personal-and-sensitive-information)
- [数据使用注意事项](#considerations-for-using-the-data)
- [数据集的社会影响](#social-impact-of-dataset)
- [偏差讨论](#discussion-of-biases)
- [其他已知局限](#other-known-limitations)
- [附加信息](#additional-information)
- [数据集策展人](#dataset-curators)
- [许可信息](#licensing-information)
- [引用信息](#citation-information)
- [贡献信息](#contributions)

## 数据集描述
- **官方网站：** https://cs.nyu.edu/~davise/papers/WinogradSchemas/WS.html
- **联系方式：** [Carlos Rodríguez-Penagos]([e-mail]) 和 [Carme Armentano-Oller]([e-mail])

### 数据集概述
"Winograd模式（Winograd schema）是指仅在一至两个单词上存在差异的句子对，二者包含歧义且歧义在两句中以相反方式得到消解，需借助世界知识与推理完成消解，该模式以特里·维诺格拉德（Terry Winograd）命名。" 来源：[《Winograd模式挑战》（The Winograd Schema Challenge）](https://cs.nyu.edu/~davise/papers/WinogradSchemas/WS.html)。

[Winograd自然语言推理数据集（Winograd NLI）](https://dl.fbaipublicfiles.com/glue/data/WNLI.zip)包含855个句子对，其中第一个句子存在歧义，第二个句子给出其可能的解释，标签用于指示该解释是否正确（1为正确，0为错误）。

本数据集是针对[GLUE基准（GLUE Benchmark）](https://gluebenchmark.com/tasks)发布的Winograd自然语言推理数据集的专业西班牙语翻译版本。

原始数据集与本翻译版本均采用[知识共享署名4.0国际许可协议（Creative Commons Attribution 4.0 International License）](https://creativecommons.org/licenses/by/4.0/)进行授权。

**更新（2024-05-27）：** WNLI-ES的验证集划分曾存在标签反转问题，现已修复以匹配当前英文WNLI验证集划分（https://huggingface.co/datasets/nyu-mll/glue/viewer/wnli/validation）。

### 支持任务与基准榜

文本蕴涵、文本分类、语言模型。

### 语言

* 西班牙语（es）

## 数据集结构

### 数据实例

三个TSV文件。

### 数据字段

- index：索引
- sentence 1：句子对中的第一个句子
- sentence 2：句子对中的第二个句子
- label：两个句子间的关系：
* 0：第二个句子未构成对第一个句子的正确解释（中立）
* 1：第二个句子构成对第一个句子的正确解释（蕴涵）

### 数据划分

- wnli-train-es.csv：636个句子对
- wnli-dev-es.csv：72个句子对
- wnli-test-shuffled-es.csv：147个句子对

## 数据集创建

### 数据集构建初衷

我们翻译该数据集旨在推动西班牙语语言模型的发展。

### 源数据

- [GLUE基准官网（GLUE Benchmark site）](https://gluebenchmark.com)

#### 初始数据收集与标准化

本数据集是由[巴塞罗那超级计算中心文本挖掘单元（BSC TeMU）](https://temu.bsc.es/)在[Plan-TL计划（Plan-TL）](https://plantl.mineco.gob.es/Paginas/index.aspx)框架下委托完成的[WNLI数据集](https://cs.nyu.edu/~davise/papers/WinogradSchemas/WS.html)的专业西班牙语翻译版本。如需了解Winograd自然语言推理数据集的创建细节，请访问[《Winograd模式挑战》官网](https://cs.nyu.edu/~davise/papers/WinogradSchemas/WS.html)。

#### 源语言生产者是谁？

如需了解Winograd自然语言推理数据集的创建细节，请访问[《Winograd模式挑战》官网](https://cs.nyu.edu/~davise/papers/WinogradSchemas/WS.html)。

### 标注信息

#### 标注流程

我们委托专业机构完成了[WNLI数据集](https://cs.nyu.edu/~davise/papers/WinogradSchemas/WS.html)的西班牙语专业翻译。

#### 标注者是谁？

翻译工作委托给了专业翻译机构。

### 个人与敏感信息

未包含任何个人或敏感信息。

## 数据使用注意事项

### 数据集的社会影响

本数据集有助于推动西班牙语语言模型的发展。

### 偏差讨论

[无]

### 其他已知局限

[无]

## 附加信息

### 数据集策展人

巴塞罗那超级计算中心文本挖掘单元（TeMU）（[e-mail]）。

如需进一步信息，请发送邮件至[e-mail]。

本项目由[西班牙数字化与人工智能国务秘书处（SEDIA）](https://avancedigital.mineco.gob.es/en-us/Paginas/index.aspx)在Plan-TL计划框架下资助。

### 许可信息

本作品采用[知识共享署名4.0国际许可协议（CC Attribution 4.0 International）](https://creativecommons.org/licenses/by/4.0/)进行授权。

版权归西班牙数字化与人工智能国务秘书处（SEDIA）所有（2022）

### 贡献信息

[无]

原始信息汇总

WNLI-es 数据集概述

数据集描述

数据集总结

WNLI-es 数据集是 Winograd NLI 数据集的专业西班牙语翻译版本，包含 855 个句子对，每个句子对中的第一个句子包含一个歧义，第二个句子提供一个可能的解释，标签指示该解释是否正确（1 表示正确，0 表示不正确）。该数据集旨在促进西班牙语语言模型的发展。

支持的任务和排行榜

• 文本蕴含
• 文本分类
• 语言模型

语言

• 西班牙语 (es)

数据集结构

数据实例

数据集包含三个 tsv 文件。

数据字段

• index
• sentence 1: 句子对中的第一个句子
• sentence 2: 句子对中的第二个句子
• label: 两个句子之间的关系
  • 0: 第二个句子不提供第一个句子的正确解释（中性）
  • 1: 第二个句子提供第一个句子的正确解释（蕴含）

数据分割

• wnli-train-es.csv: 636 个句子对
• wnli-dev-es.csv: 72 个句子对
• wnli-test-shuffled-es.csv: 147 个句子对

数据集创建

精选理由

数据集的翻译旨在为西班牙语语言模型的发展做出贡献。

源数据

数据集是 WNLI 数据集的专业西班牙语翻译，由 BSC TeMU 在 Plan-TL 框架内委托进行。

注释

注释过程

数据集的西班牙语翻译由专业翻译机构完成。

注释者

翻译工作由专业翻译机构执行。

个人和敏感信息

数据集中不包含个人或敏感信息。