Matteo-Pannacci/adversarial_training_set

该数据集主要用于自然语言处理任务，包含多个特征，如id、premise、hypothesis、label等。数据集中的每个特征都有其特定的数据类型，并且还包含结构化的信息，如wsd和srl，这些信息进一步细分为多个子特征。数据集分为训练集，包含56225个样本。

This dataset is primarily used for natural language processing tasks, containing multiple features such as id, premise, hypothesis, label, etc. Each feature in the dataset has its specific data type, and it also includes structured information such as wsd and srl, which are further subdivided into multiple sub-features. The dataset is divided into a training set, containing 56225 samples.

原始信息汇总

数据集概述

数据集信息

特征

• id: 数据类型为字符串。
• premise: 数据类型为字符串。
• hypothesis: 数据类型为字符串。
• label: 数据类型为字符串。
• wsd: 结构化数据类型，包含以下子特征：
  • hypothesis: 列表类型，包含以下子特征：
    • bnSynsetId: 数据类型为字符串。
    • index: 数据类型为整数。
    • lemma: 数据类型为字符串。
    • nltkSynset: 数据类型为字符串。
    • pos: 数据类型为字符串。
    • text: 数据类型为字符串。
    • wnSynsetOffset: 数据类型为字符串。
  • premise: 列表类型，包含以下子特征：
    • bnSynsetId: 数据类型为字符串。
    • index: 数据类型为整数。
    • lemma: 数据类型为字符串。
    • nltkSynset: 数据类型为字符串。
    • pos: 数据类型为字符串。
    • text: 数据类型为字符串。
    • wnSynsetOffset: 数据类型为字符串。
• srl: 结构化数据类型，包含以下子特征：
  • hypothesis: 结构化数据类型，包含以下子特征：
    • annotations: 列表类型，包含以下子特征：
      • englishPropbank: 结构化数据类型，包含以下子特征：
        • frameName: 数据类型为字符串。
        • roles: 列表类型，包含以下子特征：
          • role: 数据类型为字符串。
          • score: 数据类型为浮点数。
          • span: 序列类型，数据类型为整数。
      • tokenIndex: 数据类型为整数。
      • verbatlas: 结构化数据类型，包含以下子特征：
        • frameName: 数据类型为字符串。
        • roles: 列表类型，包含以下子特征：
          • role: 数据类型为字符串。
          • score: 数据类型为浮点数。
          • span: 序列类型，数据类型为整数。
    • tokens: 列表类型，包含以下子特征：
      • index: 数据类型为整数。
      • rawText: 数据类型为字符串。
  • premise: 结构化数据类型，包含以下子特征：
    • annotations: 列表类型，包含以下子特征：
      • englishPropbank: 结构化数据类型，包含以下子特征：
        • frameName: 数据类型为字符串。
        • roles: 列表类型，包含以下子特征：
          • role: 数据类型为字符串。
          • score: 数据类型为浮点数。
          • span: 序列类型，数据类型为整数。
      • tokenIndex: 数据类型为整数。
      • verbatlas: 结构化数据类型，包含以下子特征：
        • frameName: 数据类型为字符串。
        • roles: 列表类型，包含以下子特征：
          • role: 数据类型为字符串。
          • score: 数据类型为浮点数。
          • span: 序列类型，数据类型为整数。
    • tokens: 列表类型，包含以下子特征：
      • index: 数据类型为整数。
      • rawText: 数据类型为字符串。
• strategy: 数据类型为字符串。
• original_hypothesis: 数据类型为字符串。
• original_label: 数据类型为字符串。

数据分割

• train: 包含56225个样本，占用371294237字节。

数据集大小

• 下载大小: 77567878字节。
• 数据集大小: 371294237字节。

配置

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