SetFit/amazon_counterfactual

该数据集包含来自亚马逊客户评论的句子，用于反事实检测（CFD）二元分类。反事实语句描述未发生或不可能发生的事件。数据集的关键特点包括多语言支持（英语、德语、日语）、由专业语言学家进行的高质量标注、以及提供的标注指南和定义。此外，数据集还提供了用于初始数据过滤的线索词列表。

# 亚马逊多语言反事实数据集（Amazon Multilingual Counterfactual Dataset）

本数据集源自亚马逊产品评论数据集的采样样本，收录经标注的亚马逊消费者评论语句，用于反事实检测（Counterfactual Detection, CFD）二分类任务。反事实语句描述的是未曾发生或不可能发生的事件。此类语句可被识别为形如“若命题p为真，则命题q亦为真”的表述（即其前提p与结论q均被认定为或假定为假的断言）。

本数据集的核心特性如下：
* 数据集支持多语言，涵盖英语、德语及日语三类语句。
* 标注工作由专业语言学家完成，确保了数据集的高质量水准。
* 数据集附带由专业语言学家制定的标注指南与术语定义。此外，我们还提供了由专业语言学家编撰的反事实语句典型线索词列表，该列表曾用于初始数据筛选环节。

如需了解数据集统计信息、数据收集与标注的详细说明，请参阅相关论文（https://arxiv.org/abs/2104.06893）。

GitHub 仓库地址：https://github.com/amazon-research/amazon-multilingual-counterfactual-dataset

## 使用方法
可通过如下方式加载各语言子集：

from datasets import get_dataset_config_names

dataset_id = "SetFit/amazon_counterfactual"
# Returns ['de', 'en', 'en-ext', 'ja']
configs = get_dataset_config_names(dataset_id)
# Load English subset
dset = load_dataset(dataset_id, name="en")

原始信息汇总

Amazon Multilingual Counterfactual Dataset 概述

数据集描述

• 内容来源：该数据集包含来自亚马逊客户评论的句子，这些句子是从亚马逊产品评论数据集中抽样得到的。
• 主要用途：用于反事实检测（Counterfactual Detection, CFD）二元分类任务。反事实陈述描述了未发生或不可能发生的事件。

数据集特点

• 多语言支持：数据集包含英语、德语和日语三种语言的句子。
• 高质量标注：标注工作由专业语言学家完成，确保了标注质量。
• 附加资源：提供由专业语言学家制定的标注指南和定义，以及用于初步数据筛选的反事实句子典型线索词列表。

数据集使用

• 加载方式：可以通过以下代码加载不同语言的子集： python from datasets import get_dataset_config_names

  dataset_id = "SetFit/amazon_counterfactual" configs = get_dataset_config_names(dataset_id)

  加载英语子集

  dset = load_dataset(dataset_id, name="en")

• 可用配置：数据集提供 de, en, en-ext, ja 四种配置。