tresiwalde/lou

`Lou` 数据集提供七个德语分类任务实例的性别公平重构版本，包括情感分析、立场检测、事实主张检测、吸引性检测、仇恨言论检测和毒性检测等任务。数据集基于CC BY-NC 4.0许可证，适用于非商业用途。重构策略包括二元性别包容、所有性别包容、性别中性化和Neosystem等六种方法，旨在提供性别包容和性别中性的文本重构。

The `Lou` dataset provides gender-fair reformulations for instances from seven German classification tasks, including sentiment analysis, stance detection, fact-claiming detection, engaging detection, hate speech detection, and toxicity detection. The dataset is intended for non-commercial use and is licensed under the CC BY-NC 4.0 license. The reformulation strategies include binary gender inclusion, all gender inclusion, gender neutralization, and Neosystem, aiming to provide gender-inclusive and gender-neutral text reformulations.

原始信息汇总

Lou 数据集

概述

• 许可证: CC BY-NC 4.0
• 语言: 德语
• 标签: 性别公平语言
• 数据规模: n<1K

配置

• germeval-toxic:
  • 分割: 测试
  • 路径: "germeval-toxic.jsonl"
• germeval-factclaiming:
  • 分割: 测试
  • 路径: "germeval-factclaiming.jsonl"
• germeval-engaging:
  • 分割: 测试
  • 路径: "germeval-engaging.jsonl"
• x-stance-de:
  • 分割: 测试
  • 路径: "x-stance-de.jsonl"

任务和数据

• 任务: 包括七个任务（情感分析、立场检测、事实声明检测、吸引性检测、仇恨言论检测和毒性检测）。
• 数据来源: 来自 X-Stance、GermEval-2021 和 DeTox 数据集。
• DeTox 数据: 需要访问完整版本的 DeTox 数据集，未包含在此公共仓库中。

重构策略

• 二元性别包容 (Doppelnennung): 明确提及女性和男性，忽略其他性别。
• 全性别包容 (GenderStern, GenderDoppelpunkt, GenderGap): 明确提及所有性别，包括无性别、非二元性别或半性别。
• 性别中性化 (Neutral): 避免提及特定性别，使用中性术语。
• 新系统 (De-e): 使用第四性别，包括新的代词、冠词和后缀，避免提及特定性别。

参考文献

@misc{waldis2024-lou, title={The Lou Dataset - Exploring the Impact of Gender-Fair Language in German Text Classification}, author={Andreas Waldis and Joel Birrer and Anne Lauscher and Iryna Gurevych}, year={2024} }