nyu-mll/multi_nli_mismatch

Multi-Genre Natural Language Inference (MultiNLI)数据集是一个由众包方式创建的包含433k个句子对集合，这些句子对被标注了文本蕴含信息。该数据集模仿了SNLI数据集，但覆盖了多种口语和书面语体裁，并支持跨体裁泛化评估。它是RepEval 2017研讨会共享任务的基础，该研讨会在EMNLP哥本哈根会议上举行。数据集主要用于文本分类和自然语言推理任务，包含前提、假设和标签三个特征，其中标签指示前提和假设之间的关系。

原始信息汇总

数据集概述

名称: Multi-Genre Natural Language Inference (MultiNLI)

语言: 英语 (en)

许可证:

• cc-by-3.0
• cc-by-sa-3.0
• mit
• other

许可证详情: Open Portion of the American National Corpus

多语言性: 单语

大小类别: 100K<n<1M

源数据集: 原始

任务类别: 文本分类

任务ID:

• natural-language-inference
• multi-input-text-classification

论文代码ID: multinli

美观名称: Multi-Genre Natural Language Inference

数据集结构

数据实例

示例: json { "hypothesis": "independence", "label": "contradiction", "premise": "correlation" }

数据字段

• premise: 字符串类型
• hypothesis: 字符串类型
• label: 字符串类型

数据分割

名称	训练	验证
plain_text	392702	10000

数据集创建

注释创建者: 众包

语言创建者:

• 众包
• 发现

数据集大小:

• 下载大小: 226.85 MB
• 数据集大小: 77.62 MB
• 总磁盘使用: 304.46 MB

数据集摘要: MultiNLI是一个众包收集的433k句子对集合，注释有文本蕴含信息。该数据集覆盖多种口语和书面文本的体裁，并支持跨体裁泛化评估。