somosnlp/reescritura-textos-administrativos

该数据集包含用于西班牙语行政文本重写的文本数据，主要用于文本生成任务。数据集包含原始文本和修正后的文本，以及用于评估重写质量的评分问题。数据集可以通过Argilla或HuggingFace的`datasets`库加载。数据集的结构包括字段、问题、建议、元数据和注释指南。字段包括原始文本和修正后的文本，问题包括对重写质量的评分。数据集的语言为西班牙语，数据分割为单一的`train`分割。

原始信息汇总

数据集概述

基本信息

• 数据集名称: reescritura-textos-administrativos
• 数据集大小: 1K<n<10K
• 许可证: Apache-2.0
• 标签: rlfh, argilla, human-feedback
• 任务类别: text2text-generation
• 语言: 西班牙语
• 美观名称: reescritura de textos administrativos

数据集结构

• 字段:
  • original: 原始文本，类型为text
  • corregido: 修正后的文本，类型为text
• 问题:
  • puntuacion: 评分问题，类型为rating，评分范围为1至5
• 建议:
  • puntuacion-suggestion: 评分建议，类型为rating，评分范围为1至5（可选）
• 元数据:
  • 提供额外信息，如来源、作者等（可选）

数据集加载

• 使用Argilla加载: python import argilla as rg ds = rg.FeedbackDataset.from_huggingface("somosnlp/reescritura-textos-administrativos")

• 使用datasets库加载: python from datasets import load_dataset ds = load_dataset("somosnlp/reescritura-textos-administrativos")

数据集实例

• Argilla格式: json { "external_id": "record-0", "fields": { "corregido": "...", "original": "..." }, "metadata": {}, "responses": [], "suggestions": [], "vectors": {} }

• HuggingFace datasets格式: json { "corregido": "...", "external_id": "record-0", "metadata": "{}", "original": "...", "puntuacion": [], "puntuacion-suggestion": null, "puntuacion-suggestion-metadata": { "agent": null, "score": null, "type": null } }

数据集创建

• 来源数据: 样本文本来自https://www.comunidad.madrid/，通过Mixtral重写
• 注释者: Marta Fernández Gómez
• 注释指南: 评估文本澄清工作是否良好

使用考虑

• 社会影响: 简化语言是基本权利，有助于所有人理解政府和企业的沟通