community-datasets/cdsc

Polish CDSCorpus数据集包含10K波兰语句对，这些句对由人工标注了语义相关性和蕴含关系。数据集用于评估波兰语的组合分布语义模型。数据集在ACL 2017会议上展示，并提供了相关论文的链接。数据集的结构包括两个配置：cdsc-e和cdsc-r，分别用于蕴含判断和相关度评分。数据集的许可证为CC BY-NC-SA 4.0，仅用于研究目的。

原始信息汇总

数据集概述

数据集描述

• 名称: Polish CDSCorpus
• 语言: 波兰语
• 许可: CC BY-NC-SA 4.0
• 多语言性: 单语
• 大小类别: 10K<n<100K
• 源数据集: 原始数据
• 任务类别: 其他
• 标签: 句子蕴含和相关性

数据集结构

配置

• cdsc-e

  • 特征:
    • pair_ID: int32
    • sentence_A: string
    • sentence_B: string
    • entailment_judgment:
      • 类别标签:
        • 0: NEUTRAL
        • 1: CONTRADICTION
        • 2: ENTAILMENT
  • 分割:
    • train: 8000 个样本, 1381894 字节
    • test: 1000 个样本, 179392 字节
    • validation: 1000 个样本, 174654 字节
  • 下载大小: 744169 字节
  • 数据集大小: 1735940 字节

• cdsc-r

  • 特征:
    • pair_ID: int32
    • sentence_A: string
    • sentence_B: string
    • relatedness_score: float32
  • 分割:
    • train: 8000 个样本, 1349894 字节
    • test: 1000 个样本, 175392 字节
    • validation: 1000 个样本, 170654 字节
  • 下载大小: 747648 字节
  • 数据集大小: 1695940 字节

数据集创建

• 注释创建者: 专家生成
• 语言创建者: 其他

数据集使用注意事项

• 其他已知限制: 数据集仅供研究目的使用。请检查数据集许可以获取更多信息。