somosnlp-hackathon-2022/nli-es

ESnli数据集是一个西班牙语自然语言推理数据集，由XNLI数据集的西班牙语部分、机器翻译的西班牙语版SNLI数据集和机器翻译的西班牙语版MultiNLI数据集组合而成。该数据集旨在解决西班牙语标注NLI数据集的稀缺问题。数据集包含句子对，并附有标签，指示两者之间的关系，如蕴含、矛盾或中立。数据集为单语种，主要包含西班牙语文本，部分内容通过自动翻译生成。该数据集用于训练，没有单独的评估分割。

原始信息汇总

数据集概述

数据集名称

• 名称: ESnli
• 别名: nli-es

数据集基本信息

• 语言: 西班牙语（es）
• 许可: 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-sa-4.0）
• 多语言性: 单语种
• 大小: 未知

数据集来源

• 源数据集:
  • 扩展自 SNLI
  • 扩展自 XNLI
  • 扩展自 MultiNLI

任务类型

• 任务类别: 文本分类
• 任务ID: 自然语言推理

数据集内容

数据实例结构

• 数据字段:
  • gold_label: 字符串，定义句子对之间的关系，可能的值为 "entailment", "contradiction", "neutral"。
  • pairID: 字符串，标识句子对，目前用整数0作为占位符。
  • sentence1: 字符串，西班牙语句子，作为前提。
  • sentence2: 字符串，西班牙语句子，作为假设。

数据分割

• 数据使用: 整个数据集用于训练，未使用评估分割。

数据集创建

数据集构建理由

• 构建目的: 解决西班牙语自然语言推理（NLI）数据集的稀缺问题。
• 数据生成方式: 通过机器翻译SNLI、MultiNLI等数据集的西班牙语版本生成。

数据集贡献者

• 数据集创建者: Anibal Pérez, Lautaro Gesuelli, Mauricio Mazuecos, Emilio Tomás Ariza

使用数据集的注意事项

数据集的社交影响

• 目的: 提供新的工具用于西班牙语句子的语义文本相似性分析。

数据集的已知限制

• 限制: 机器翻译可能引入噪声，生成的句法和词汇形式可能与人类西班牙语使用者不同。