jakartaresearch/id-paraphrase-detection

该数据集最初来源于微软研究复述语料库（Microsoft Research Paraphrase Corpus），我们使用谷歌翻译将文本翻译成印尼语。数据集的语言是印尼语，且是单语言的。数据集的规模在1K到10K之间，主要用于句子相似性任务。

原始信息汇总

数据集概述

数据集名称

• 名称: Indonesian Paraphrase Detection
• 别名: Indonesian Sentence Paraphrase Detection

数据集基本信息

语言

• 语言: 印尼语 (Indonesian)
• 语言创建者: 已找到

许可证

• 许可证: CC-BY-4.0

多语言性

• 多语言性: 单语种

大小

• 数据集大小: 1K<n<10K

源数据集

• 源数据集: 扩展自 Microsoft Research Paraphrase Corpus (MSRP)

任务与标签

任务类别

• 任务类别: 句子相似度 (sentence-similarity)

标签

• 标签:
  • MSRP
  • ID-MSRP
  • paraphrase-detection

数据集创建

数据集来源

• 原始数据来源: Microsoft Research Paraphrase Corpus
• 翻译工具: Google Translate

贡献者

• 贡献者: @andreaschandra