MicPie/unpredictable_cluster09

UnpredicTable-cluster09数据集是一个用于few-shot任务训练的数据集，包含从互联网表格中提取的多种任务类型，如多项选择、问答、文本生成等。数据集的语言为英语，且未进行人工标注，但部分子集进行了质量评级。数据集的使用需注意可能包含的偏见和敏感信息。

原始信息汇总

数据集概述

数据集名称

• 名称: UnpredicTable-cluster09
• 别名: UnpredicTable数据集的子集，基于聚类划分

数据集属性

• 语言: 英语
• 许可证: Apache-2.0
• 多语言性: 单语种
• 大小: 100K<n<1M

任务类型

• 支持的任务:
  • 多项选择
  • 问答
  • 零样本分类
  • 文本到文本生成
  • 表格问答
  • 文本生成
  • 文本分类
  • 表格分类

数据集结构

• 数据实例: 每个任务以jsonline文件形式表示，包含多个few-shot示例。
• 数据字段:
  • task: 任务标识符
  • input: 表格中特定行的列元素
  • options: 多选分类的选项
  • output: 与输入同行的目标列元素
  • pageTitle: 包含表格的页面标题
  • outputColName: 输出列名
  • url: 包含表格的网站URL
  • wdcFile: WDC Web Table Corpus文件

数据集创建

• 来源数据: 从WDC Web Table Corpus 2015的英语关系子集中自动提取任务。
• 注释过程: 仅对特定子集进行手动注释以评估任务质量。
• 个人和敏感信息: 数据集可能包含未过滤的个人或敏感信息。

使用考虑

• 社会影响: 数据集用于研究训练数据与少样本学习之间的关系，不适合直接用于决策关键或面向用户的场景。
• 偏见讨论: 数据集可能包含网络上的有害偏见和文本，未进行偏见分析或内容过滤。

附加信息

• 数据集管理员: Jun Shern Chan, Michael Pieler, Jonathan Jao, Jérémy Scheurer, Ethan Perez
• 引用信息: 请参考论文"Few-shot Adaptation Works with UnpredicTable Data"。