pasinit/xlwic

XL-WiC是一个多语言数据集，主要用于文本分类任务，特别是语义相似性分类。数据集包含多种语言，包括英语、法语、德语、意大利语等。训练数据可用于英语、法语、德语和意大利语，而开发/测试数据则涵盖了更多的语言，如保加利亚语、中文、克罗地亚语等。数据集的使用需要指定训练语言和目标语言，以便加载相应的配置。

原始信息汇总

数据集概述

基本信息

• 名称: XL-WiC
• 语言: 多语言，包括英语(en)、保加利亚语(bg)、中文(zh)、克罗地亚语(hr)、丹麦语(da)、荷兰语(nl)、爱沙尼亚语(et)、波斯语(fa)、日语(ja)、韩语(ko)、意大利语(it)、法语(fr)、德语(de)
• 许可证: cc-by-nc-4.0
• 多语言性: 多语言
• 大小: 10K<n<100K

数据来源与创建

• 注释创建者: 专家生成
• 扩展: 原始数据
• 语言创建者: 发现
• 源数据集: 原始数据

任务与配置

• 任务类别: 文本分类
• 任务ID: 语义相似度分类
• 配置: 加载数据集时需指定训练语言和目标语言。例如，使用英语作为训练语言，意大利语作为目标语言的加载方式如下： python from datasets import load_dataset dataset = load_dataset(pasinit/xlwic, en_it)

语言可用性

• 训练数据: 英语(en)、法语(fr)、德语(de)、意大利语(it)
• 开发与测试数据: 法语(fr)、德语(de)、意大利语(it)、保加利亚语(bg)、中文(zh)、克罗地亚语(hr)、丹麦语(da)、荷兰语(nl)、爱沙尼亚语(et)、波斯语(fa)、日语(ja)、韩语(ko)