five

SEACrowd/stb_ext

收藏
Hugging Face2024-06-24 更新2024-06-29 收录
下载链接:
https://hf-mirror.com/datasets/SEACrowd/stb_ext
下载链接
链接失效反馈
官方服务:
资源简介:
该数据集采用了Universal Dependencies协议,用于构建新加坡英语的依存树库,旨在为低资源语言提供新资源,并促进从英语的知识转移。数据集提供了比STB-ACL大三倍的训练集,同时保留了相同的开发和测试集。此外,数据集还提供了带有黄金标准和自动生成的词性标注的树库。

该数据集采用了Universal Dependencies协议,用于构建新加坡英语的依存树库,旨在为低资源语言提供新资源,并促进从英语的知识转移。数据集提供了比STB-ACL大三倍的训练集,同时保留了相同的开发和测试集。此外,数据集还提供了带有黄金标准和自动生成的词性标注的树库。
提供机构:
SEACrowd
原始信息汇总

Stb Ext 数据集概述

基本信息

  • 许可证: MIT
  • 语言: 英语 (eng)
  • 任务类别:
    • 词性标注 (pos-tagging)
    • 依存句法分析 (dependency-parsing)
  • 标签:
    • 词性标注
    • 依存句法分析

数据集描述

  • 构建协议: 采用Universal Dependencies协议构建Singlish依存树库,旨在为低资源语言提供新资源,并促进从英语的知识转移。
  • 数据集特点:
    • 提供比STB-ACL数据集大3倍的训练集。
    • 保留与STB-ACL相同的开发集和测试集。
    • 提供带有金标准和自动生成词性标签的树库。

支持任务

  • 词性标注
  • 依存句法分析

数据集版本

  • 源版本: 1.0.0
  • SEACrowd版本: 2024.06.20

数据集加载

使用 datasets

python from datasets import load_dataset dset = datasets.load_dataset("SEACrowd/stb_ext", trust_remote_code=True)

使用 seacrowd

python import seacrowd as sc

加载默认配置的数据集

dset = sc.load_dataset("stb_ext", schema="seacrowd")

查看数据集的所有可用子集(配置名称)

print(sc.available_config_names("stb_ext"))

使用特定配置加载数据集

dset = sc.load_dataset_by_config_name(config_name="<config_name>")

数据集主页

引用

@article{wang2019genesis, title={From genesis to creole language: Transfer learning for singlish universal dependencies parsing and POS tagging}, author={Wang, Hongmin and Yang, Jie and Zhang, Yue}, journal={ACM Transactions on Asian and Low-Resource Language Information Processing (TALLIP)}, volume={19}, number={1}, pages={1--29}, year={2019}, publisher={ACM New York, NY, USA} }

@article{lovenia2024seacrowd, title={SEACrowd: A Multilingual Multimodal Data Hub and Benchmark Suite for Southeast Asian Languages}, author={Holy Lovenia and Rahmad Mahendra and Salsabil Maulana Akbar and Lester James V. Miranda and Jennifer Santoso and Elyanah Aco and Akhdan Fadhilah and Jonibek Mansurov and Joseph Marvin Imperial and Onno P. Kampman and Joel Ruben Antony Moniz and Muhammad Ravi Shulthan Habibi and Frederikus Hudi and Railey Montalan and Ryan Ignatius and Joanito Agili Lopo and William Nixon and Börje F. Karlsson and James Jaya and Ryandito Diandaru and Yuze Gao and Patrick Amadeus and Bin Wang and Jan Christian Blaise Cruz and Chenxi Whitehouse and Ivan Halim Parmonangan and Maria Khelli and Wenyu Zhang and Lucky Susanto and Reynard Adha Ryanda and Sonny Lazuardi Hermawan and Dan John Velasco and Muhammad Dehan Al Kautsar and Willy Fitra Hendria and Yasmin Moslem and Noah Flynn and Muhammad Farid Adilazuarda and Haochen Li and Johanes Lee and R. Damanhuri and Shuo Sun and Muhammad Reza Qorib and Amirbek Djanibekov and Wei Qi Leong and Quyet V. Do and Niklas Muennighoff and Tanrada Pansuwan and Ilham Firdausi Putra and Yan Xu and Ngee Chia Tai and Ayu Purwarianti and Sebastian Ruder and William Tjhi and Peerat Limkonchotiwat and Alham Fikri Aji and Sedrick Keh and Genta Indra Winata and Ruochen Zhang and Fajri Koto and Zheng-Xin Yong and Samuel Cahyawijaya}, year={2024}, eprint={2406.10118}, journal={arXiv preprint arXiv: 2406.10118} }

5,000+
优质数据集
54 个
任务类型
进入经典数据集
二维码
社区交流群

面向社区/商业的数据集话题

二维码
科研交流群

面向高校/科研机构的开源数据集话题

数据驱动未来

携手共赢发展

商业合作