readerbench/ro-human-machine-60k

该数据集包含多个领域的文本数据，包括1401本书籍描述、4320篇新闻文章、557篇医疗文本、1000篇法律文本和109篇科学文章。这些文本数据既有手工编写的，也有通过多种机器学习模型生成的。数据集主要用于文本生成、翻译和文本到文本生成等任务，主要语言为罗马尼亚语，数据集规模介于10,000到100,000条记录之间。

原始信息汇总

数据集概述

数据集组成

• 书籍描述：
  • 841篇人工撰写的摘要，来自布加勒斯特中央大学图书馆，描述19世纪至今的罗马尼亚文学杂志和书籍。
  • 560本书籍描述，来自cartigratis.com。
• 新闻文章：4320篇，从DigiNews网站爬取。
• 医学文本：557篇，来自多个专业出版物，包括医学科学期刊、科学杂志和疾病术语表。
• 法律文本：1000篇，来自Monitorul Oficial网站的罗马尼亚法律文本。
• 科学文章：109篇，来自罗马尼亚人机交互杂志RoCHI。

MGT数据集：人工撰写与机器生成文本

领域	方法	模型	平均TTR	文档数量	总计
书籍	人工	人工	0.7447	1401	11,208
	完成	RoGPT2	0.6615	1401
	完成	GPT-Neo-Ro	0.7011	1401
	完成	davinci-003	0.6125	1401
	回译	davinci-003	0.7652	1401
	改述	Flan-T5	0.8708	1401
	回译	Opus-MT	0.7581	1401
	回译	mBART	0.7379	1401
新闻	人工	人工	0.6510	4320	34,560
	完成	RoGPT2	0.6762	4320
	完成	GPT-Neo-Ro	0.6867	4320
	完成	davinci-003	0.6508	4320
	回译	davinci-003	0.7798	4320
	改述	Flan-T5	0.8389	4320
	回译	Opus-MT	0.6589	4320
	回译	mBART	0.7024	4320
医学	人工	人工	0.6911	557	4,456
	完成	RoGPT2	0.6795	557
	完成	GPT-Neo-Ro	0.6893	557
	完成	davinci-003	0.6262	557
	回译	davinci-003	0.7510	557
	改述	Flan-T5	0.8503	557
	回译	Opus-MT	0.7490	557
	回译	mBART	0.7618	557
法律	人工	人工	0.7264	1000	8,000
	完成	RoGPT2	0.6542	1000
	完成	GPT-Neo-Ro	0.6880	1000
	完成	davinci-003	0.5828	1000
	回译	davinci-003	0.7987	1000
	改述	Flan-T5	0.8418	1000
	回译	Opus-MT	0.7231	1000
	回译	mBART	0.7514	1000
RoCHI	人工	人工	0.6234	109	872
	完成	RoGPT2	0.6901	109
	完成	GPT-Neo-Ro	0.5460	109
	完成	davinci-003	0.5810	109
	回译	davinci-003	0.7514	109
	改述	Flan-T5	0.8356	109
	回译	Opus-MT	0.6032	109
	回译	mBART	0.7477	109
总计					59,096