Patt/MultiRC_TH_drop

该数据集是multirc数据集的泰语翻译版本，使用了谷歌翻译，并通过Multilingual Universal Sentence Encoder计算泰语翻译的得分。得分根据原文与翻译文本的长度进行惩罚，任何得分低于0.66的行被删除。

原始信息汇总

数据集概述

任务类别

• 文本分类

语言

• 英语（en）
• 泰语（th）

数据集信息

• 特征（Features）：

  • paragraph：字符串类型
  • paragraph_TH：字符串类型
  • question：字符串类型
  • question_TH：字符串类型
  • answer：字符串类型
  • answer_TH：字符串类型
  • idx：结构类型，包含answer（int64）、paragraph（int64）、question（int64）
  • label：int64类型
  • score_paragraph：float64类型
  • score_question：float64类型
  • score_answer：float64类型

• 分割（Splits）：

  • train：23520个样本，占用133061823字节
  • validation：4212个样本，占用22534453字节
  • test：8272个样本，占用42757726字节

• 下载大小：5756232字节

• 数据集大小：198354002字节

许可证

• cc-by-sa-4.0