MicPie/unpredictable_mgoblog-com

AdapTable-mgoblog-com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，数据来源于WDC Web Table Corpus，并通过自动化流程转换为few-shot任务。数据集未进行敏感信息过滤，可能包含有害偏见和不适当内容。

原始信息汇总

数据集概述

数据集名称

• 名称: AdapTable-mgoblog-com
• 别名: UnpredicTable-mgoblog-com

数据集基本信息

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

支持的任务

• 多选题 (multiple-choice)
• 问答 (question-answering)
• 零样本分类 (zero-shot-classification)
• 文本生成 (text2text-generation)
• 表格问答 (table-question-answering)
• 文本生成 (text-generation)
• 文本分类 (text-classification)
• 表格分类 (tabular-classification)

数据集结构

• 数据实例: 每个任务以jsonline文件形式表示，包含多个少样本示例。每个示例包含task, input, options, output等字段。
• 数据字段: 包括task, input, options, output, pageTitle, title, outputColName, url, wdcFile等。
• 数据分割: 数据集未提供额外的数据分割。

数据集创建

• 来源数据: 数据集从WDC Web Table Corpus 2015的英语关系子集中自动提取。
• 注释过程: 数据集中的注释仅在特定子集中进行，用于评估任务质量。
• 个人和敏感信息: 数据集可能包含未过滤的个人和敏感信息，因为数据直接从网络表格中提取。

使用数据的考虑

• 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，应谨慎使用，避免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表格中的有害偏见，如种族主义、性别歧视等。

附加信息

• 数据集管理员: Jun Shern Chan, Michael Pieler, Jonathan Jao, Jérémy Scheurer, Ethan Perez
• 许可证信息: Apache 2.0
• 引用信息: 请参考提供的文献引用。