GEM/RotoWire_English-German

该数据集是一个篮球领域的数据到文本数据集，输入是固定格式的表格，包含比赛的统计数据（英文），目标是原始英文描述的德文翻译。翻译由具有篮球经验的专业翻译人员完成。该数据集可用于评估模型在复杂输入下的跨语言数据到文本能力。数据集的结构包括比赛日期、主队和客队信息、比赛统计数据、英文和德文的摘要等字段。数据集分为训练集、验证集和测试集，拆分标准遵循原始RotoWire数据集。

原始信息汇总

数据集概述

数据集描述

• 名称: RotoWire_English-German
• 类型: 数据-文本生成数据集
• 领域: 篮球
• 语言: 英语, 德语
• 许可: cc-by-4.0
• 目的: 用于评估模型的跨语言数据-文本生成能力，特别是从英语表格数据到德语文本的转换。

数据集结构

• 数据字段:
  • id: 原始数据集的标识符。
  • gem_id: GEMv2的标识符。
  • day: 比赛日期。
  • home_name: 主队名称。
  • home_city: 主队城市名称。
  • vis_name: 客队名称。
  • vis_city: 客队城市名称。
  • home_line: 主队统计数据。
  • vis_line: 客队统计数据。
  • box_score: 得分表。
  • summary_en: 英语目标摘要。
  • sentence_end_index_en: 英语摘要的句子结束索引。
  • summary_de: 德语目标摘要。
  • sentence_end_index_de: 德语摘要的句子结束索引。

数据集使用

• 主要任务: 数据-文本生成
• 通信目标: 描述篮球比赛，基于其得分表（及可能的外语摘要）。

数据集来源

• 创建者: Graham Neubig (卡内基梅隆大学), Hiroaki Hayashi (卡内基梅隆大学)
• 资金: Graham Neubig
• 组织类型: 学术
• 组织: 卡内基梅隆大学

数据集维护

• 联系人: Hiroaki Hayashi
• 联系邮箱: [e-mail]

数据集许可

• 许可类型: cc-by-4.0

数据集加载

• 加载方式: 使用datasets库加载数据集，例如：datasets.load_dataset(GEM/RotoWire_English-German)

数据集在GEM中的作用

• 贡献: 使用两种模态（数据，外语文本）生成文档级文本摘要。
• 独特性: 覆盖其他数据集未覆盖的语言，使用两种模态作为输入。
• 测量能力: 翻译，数据-文本生成，以及两者的结合。