five

SEACrowd/mdia

收藏
Hugging Face2024-06-24 更新2024-06-29 收录
下载链接:
https://hf-mirror.com/datasets/SEACrowd/mdia
下载链接
链接失效反馈
官方服务:
资源简介:
Mdia是一个多语言对话生成基准数据集,包含46种语言的真实Reddit对话(父评论和回复评论对),特别是印尼语、他加禄语和越南语。评论还提供了英语翻译。该数据集支持对话系统和机器翻译任务。

Mdia是一个多语言对话生成基准数据集,包含46种语言的真实Reddit对话(父评论和回复评论对),特别是印尼语、他加禄语和越南语。评论还提供了英语翻译。该数据集支持对话系统和机器翻译任务。
提供机构:
SEACrowd
原始信息汇总

Mdia 数据集概述

基本信息

  • 名称: Mdia
  • 许可证: Creative Commons Attribution 4.0 (cc-by-4.0)
  • 语言:
    • 印尼语 (ind)
    • 他加禄语 (tgl)
    • 越南语 (vie)
  • 任务类别:
    • 对话系统
    • 机器翻译
  • 标签:
    • 对话系统
    • 机器翻译

描述

Mdia 是一个多语言对话生成基准数据集,包含 46 种语言的真实 Reddit 对话(父评论和回复评论对),其中包括印尼语、他加禄语和越南语。同时提供了评论的英语翻译。

支持的任务

  • 对话系统
  • 机器翻译

数据集版本

  • 源版本: 1.0.0
  • SEACrowd 版本: 2024.06.20

数据集加载

使用 datasets

python from datasets import load_dataset dset = datasets.load_dataset("SEACrowd/mdia", trust_remote_code=True)

使用 seacrowd

python import seacrowd as sc

使用默认配置加载数据集

dset = sc.load_dataset("mdia", schema="seacrowd")

查看数据集的所有可用子集(配置名称)

print(sc.available_config_names("mdia"))

使用特定配置加载数据集

dset = sc.load_dataset_by_config_name(config_name="<config_name>")

引用

bibtex @misc{zhang2022mdia, title={MDIA: A Benchmark for Multilingual Dialogue Generation in 46 Languages}, author={Qingyu Zhang and Xiaoyu Shen and Ernie Chang and Jidong Ge and Pengke Chen}, year={2022}, eprint={2208.13078}, archivePrefix={arXiv}, primaryClass={cs.CL} }

@article{lovenia2024seacrowd, title={SEACrowd: A Multilingual Multimodal Data Hub and Benchmark Suite for Southeast Asian Languages}, author={Holy Lovenia and Rahmad Mahendra and Salsabil Maulana Akbar and Lester James V. Miranda and Jennifer Santoso and Elyanah Aco and Akhdan Fadhilah and Jonibek Mansurov and Joseph Marvin Imperial and Onno P. Kampman and Joel Ruben Antony Moniz and Muhammad Ravi Shulthan Habibi and Frederikus Hudi and Railey Montalan and Ryan Ignatius and Joanito Agili Lopo and William Nixon and Börje F. Karlsson and James Jaya and Ryandito Diandaru and Yuze Gao and Patrick Amadeus and Bin Wang and Jan Christian Blaise Cruz and Chenxi Whitehouse and Ivan Halim Parmonangan and Maria Khelli and Wenyu Zhang and Lucky Susanto and Reynard Adha Ryanda and Sonny Lazuardi Hermawan and Dan John Velasco and Muhammad Dehan Al Kautsar and Willy Fitra Hendria and Yasmin Moslem and Noah Flynn and Muhammad Farid Adilazuarda and Haochen Li and Johanes Lee and R. Damanhuri and Shuo Sun and Muhammad Reza Qorib and Amirbek Djanibekov and Wei Qi Leong and Quyet V. Do and Niklas Muennighoff and Tanrada Pansuwan and Ilham Firdausi Putra and Yan Xu and Ngee Chia Tai and Ayu Purwarianti and Sebastian Ruder and William Tjhi and Peerat Limkonchotiwat and Alham Fikri Aji and Sedrick Keh and Genta Indra Winata and Ruochen Zhang and Fajri Koto and Zheng-Xin Yong and Samuel Cahyawijaya}, year={2024}, eprint={2406.10118}, journal={arXiv preprint arXiv: 2406.10118} }

5,000+
优质数据集
54 个
任务类型
进入经典数据集
二维码
社区交流群

面向社区/商业的数据集话题

二维码
科研交流群

面向高校/科研机构的开源数据集话题

数据驱动未来

携手共赢发展

商业合作