gsarti/change_it

CHANGE-IT数据集包含约152,000篇文章-标题对，这些数据来自两个政治立场对立的意大利报纸：la Repubblica（左翼）和Il Giornale（右翼）。该数据集用于意大利语的风格转换任务，特别是在Evalita 2020评估活动中的CHANGE-IT任务。任务要求将Il Giornale的标题转换为la Repubblica的风格，反之亦然。数据集不仅包含标题，还包括相应的全文文章。数据集的语言为意大利语，数据字段包括标题、全文和对齐值。数据集的分割包括训练集和测试集，训练集包含不同对齐级别的数据，测试集则包含高度对齐的数据。

原始信息汇总

数据集概述

数据集名称

• 名称: CHANGE-IT

数据集描述

• 语言: 意大利语 (it)
• 许可证: 知识共享署名-非商业性使用-相同方式共享 4.0 国际许可 (cc-by-nc-sa-4.0)
• 多语言性: 单语种
• 数据集大小: 未知
• 源数据集: 原始数据
• 任务类别: 摘要生成、文本生成
• 标签: 条件文本生成、风格转移

数据集内容

• 内容概述: 包含约152,000对文章-标题，来自两个意大利报纸，分别是左翼的La Repubblica和右翼的Il Giornale，两份报纸均等代表。
• 任务描述: 主要用于意大利语的标题风格转移任务，要求将一个报纸的标题风格转换为另一个报纸的风格。

数据集结构

• 数据实例: 每个实例包含标题、完整文章文本和风格转移的对齐值。
• 数据字段:
  • headline: 原始报纸标题。
  • full_text: 与标题对应的完整文章文本。
  • alignment: 用于风格转移实验的对齐值，包括A1、A2、A3和R。
• 数据分割: 数据集分为训练集和测试集，每个配置包含5000个高度对齐的实例（A1和A2），10000个中等对齐的实例（A3），以及约48701个弱对齐或不对齐的实例（R）。

支持的任务和排行榜

• 风格转移: 使用指针网络架构进行风格转移，评估指标包括主模型、标题-标题模型、文章-标题模型和整体合规性。

许可证信息

• 许可证: 知识共享署名-非商业性使用-相同方式共享 4.0 国际许可。

引用信息

• 引用格式:

  @inproceedings{demattei-etal-2020-changeit, author = {De Mattei, Lorenzo and Cafagna, Michele and DellOrletta, Felice and Nissim, Malvina and Gatt, Albert}, title = {{CHANGE-IT @ EVALITA 2020}: Change Headlines, Adapt News, GEnerate}, booktitle = {Proceedings of Seventh Evaluation Campaign of Natural Language Processing and Speech Tools for Italian. Final Workshop (EVALITA 2020)}, editor = {Basile, Valerio and Croce, Danilo and Di Maro, Maria, and Passaro, Lucia C.}, publisher = {CEUR.org}, year = {2020}, address = {Online} }