strombergnlp/danfever

---
annotations_creators:
- expert-generated
language_creators:
- found
language:
- da
license:
- cc-by-4.0
multilinguality:
- monolingual
size_categories:
- 1K<n<10K
source_datasets:
- original
task_categories:
- text-classification
task_ids:
- fact-checking
- natural-language-inference
paperswithcode_id: danfever
pretty_name: DanFEVER
tags:
- knowledge-verification
---

# Dataset Card for DanFEVER

## Table of Contents
- [Dataset Description](#dataset-description)
- [Dataset Summary](#dataset-summary)
- [Supported Tasks](#supported-tasks-and-leaderboards)
- [Languages](#languages)
- [Dataset Structure](#dataset-structure)
- [Data Instances](#data-instances)
- [Data Fields](#data-instances)
- [Data Splits](#data-instances)
- [Dataset Creation](#dataset-creation)
- [Curation Rationale](#curation-rationale)
- [Source Data](#source-data)
- [Annotations](#annotations)
- [Personal and Sensitive Information](#personal-and-sensitive-information)
- [Considerations for Using the Data](#considerations-for-using-the-data)
- [Social Impact of Dataset](#social-impact-of-dataset)
- [Discussion of Biases](#discussion-of-biases)
- [Other Known Limitations](#other-known-limitations)
- [Additional Information](#additional-information)
- [Dataset Curators](#dataset-curators)
- [Licensing Information](#licensing-information)
- [Citation Information](#citation-information)

## Dataset Description

- **Homepage:** [https://github.com/StrombergNLP/danfever](https://github.com/StrombergNLP/danfever)
- **Repository:** [https://stromberg.ai/publication/danfever/](https://stromberg.ai/publication/danfever/)
- **Paper:** [https://aclanthology.org/2021.nodalida-main.47/](https://aclanthology.org/2021.nodalida-main.47/)
- **Leaderboard:** [Needs More Information]
- **Point of Contact:** [Leon Derczynski](mailto:[e-mail])
- **Size of downloaded dataset files:** 2.82 MiB
- **Size of the generated dataset:** 2.80 MiB
- **Total amount of disk used:** 5.62 MiB

### Dataset Summary

We present a dataset, DanFEVER, intended for multilingual misinformation research. The dataset is in Danish and has the same format as the well-known English FEVER dataset. It can be used for testing methods in multilingual settings, as well as for creating models in production for the Danish language.

### Supported Tasks and Leaderboards

This dataset supports the FEVER task, but in Danish.

* PwC leaderboard: [Fact Verification on DanFEVER](https://paperswithcode.com/sota/fact-verification-on-danfever)

### Languages

This dataset is in Danish; the bcp47 is `da_DK`.

## Dataset Structure

### Data Instances

```
{
'id': '0',
'claim': 'Den 31. oktober 1920 opdagede Walter Baade kometen (944) Hidalgo i det ydre solsystem.',
'label': 0,
'evidence_extract': '(944) Hidalgo (oprindeligt midlertidigt navn: 1920 HZ) er en mørk småplanet med en diameter på ca. 50 km, der befinder sig i det ydre solsystem. Objektet blev opdaget den 31. oktober 1920 af Walter Baade. En asteroide (småplanet, planetoide) er et fast himmellegeme, hvis bane går rundt om Solen (eller en anden stjerne). Pr. 5. maj 2017 kendes mere end 729.626 asteroider og de fleste befinder sig i asteroidebæltet mellem Mars og Jupiter.',
'verifiable': 1,
'evidence': 'wiki_26366, wiki_12289',
'original_id': '1'
}
```

### Data Fields

[Needs More Information]

### Data Splits

[Needs More Information]

## Dataset Creation

### Curation Rationale

A dump of the Danish Wikipedia of 13 February 2020 was stored as well as the relevant articles from Den Store Danske (excerpts only, to comply with copyright laws). Two teams of two people independently sampled evidence, and created and annotated claims from these two sites.

### Source Data

#### Initial Data Collection and Normalization

[Needs More Information]

#### Who are the source language producers?

The source language is from Wikipedia contributors editors and from dictionary contributors and editors.

### Annotations

#### Annotation process

Detailed in [this paper](http://www.derczynski.com/papers/danfever.pdf).

#### Who are the annotators?

The annotators are native Danish speakers and masters students of IT; two female, two male, ages 25-35.

### Personal and Sensitive Information

[Needs More Information]

## Considerations for Using the Data

### Social Impact of Dataset

The purpose of this dataset is to enable construction of fact-checking systems in Danish. A system that succeeds at this may be able to identify questionable conclusions or inferences.

### Discussion of Biases

The data is drawn from relatively formal topics, and so may perform poorly outside these areas.

### Other Known Limitations

[Needs More Information]

## Additional Information

### Dataset Curators

[Needs More Information]

### Licensing Information

The data here is licensed CC-BY 4.0. If you use this data, you MUST state its origin.

### Citation Information

Refer to this work as:

> Nørregaard and Derczynski (2021). "DanFEVER: claim verification dataset for Danish", Proceedings of the 23rd Nordic Conference on Computational Linguistics (NoDaLiDa).

Bibliographic reference:

````
@inproceedings{norregaard-derczynski-2021-danfever,
title = "{D}an{FEVER}: claim verification dataset for {D}anish",
author = "N{\o}rregaard, Jeppe and Derczynski, Leon",
booktitle = "Proceedings of the 23rd Nordic Conference on Computational Linguistics (NoDaLiDa)",
year = "2021",
publisher = {Link{\"o}ping University Electronic Press, Sweden},
url = "https://aclanthology.org/2021.nodalida-main.47",
pages = "422--428"
}
```

annotations_creators:
- 专家生成（expert-generated）
language_creators:
- 公开现有资源（found）
language:
- 丹麦语（da）
license:
- CC-BY 4.0（cc-by-4.0）
multilinguality:
- 单语言（monolingual）
size_categories:
- 1000 < 样本数 < 10000（1K<n<10K）
source_datasets:
- 原始数据集（original）
task_categories:
- 文本分类（text-classification）
task_ids:
- 事实核查（fact-checking）
- 自然语言推理（natural-language-inference）
paperswithcode_id: danfever
pretty_name: DanFEVER
tags:
- 知识验证（knowledge-verification）

# DanFEVER 数据集卡片

## 目录
- [数据集概述](#dataset-description)
- [数据集摘要](#dataset-summary)
- [支持任务与排行榜](#supported-tasks-and-leaderboards)
- [语言](#languages)
- [数据集结构](#dataset-structure)
- [数据实例](#data-instances)
- [数据字段](#data-fields)
- [数据划分](#data-splits)
- [数据集构建](#dataset-creation)
- [构建初衷](#curation-rationale)
- [源数据](#source-data)
- [注释流程](#annotations)
- [个人与敏感信息](#personal-and-sensitive-information)
- [数据集使用注意事项](#considerations-for-using-the-data)
- [数据集的社会影响](#social-impact-of-dataset)
- [偏倚讨论](#discussion-of-biases)
- [其他已知局限](#other-known-limitations)
- [附加信息](#additional-information)
- [数据集维护者](#dataset-curators)
- [许可证信息](#licensing-information)
- [引用信息](#citation-information)

## 数据集概述

- **主页**：[https://github.com/StrombergNLP/danfever](https://github.com/StrombergNLP/danfever)
- **代码仓库**：[https://stromberg.ai/publication/danfever/](https://stromberg.ai/publication/danfever/)
- **相关论文**：[https://aclanthology.org/2021.nodalida-main.47/](https://aclanthology.org/2021.nodalida-main.47/)
- **排行榜**：[需补充更多信息]
- **联系方式**：[Leon Derczynski](mailto:[e-mail])
- **下载数据集文件大小**：2.82 MiB
- **生成后数据集大小**：2.80 MiB
- **总磁盘占用**：5.62 MiB

### 数据集摘要
本团队发布DanFEVER数据集，旨在支撑多语言虚假信息研究。该数据集采用丹麦语编写，格式与广为人知的英文FEVER（Fact Extraction and VERification）数据集保持一致，可用于多语言场景下的方法测试，也可用于开发面向丹麦语的生产级模型。

### 支持任务与排行榜
本数据集支持面向丹麦语的FEVER任务。
* PapersWithCode 排行榜：[DanFEVER 事实核查任务](https://paperswithcode.com/sota/fact-verification-on-danfever)

### 语言
本数据集采用丹麦语编写，BCP47 语言标签为`da_DK`。

## 数据集结构

### 数据实例

{
'id': '0',
'claim': 'Den 31. oktober 1920 opdagede Walter Baade kometen (944) Hidalgo i det ydre solsystem.',
'label': 0,
'evidence_extract': '(944) Hidalgo (oprindeligt midlertidigt navn: 1920 HZ) er en mørk småplanet med en diameter på ca. 50 km, der befinder sig i det ydre solsystem. Objektet blev opdaget den 31. oktober 1920 af Walter Baade. En asteroide (småplanet, planetoide) er et fast himmellegeme, hvis bane går rundt om Solen (eller en anden stjerne). Pr. 5. maj 2017 kendes mere end 729.626 asteroider og de fleste befinder sig i asteroidebæltet mellem Mars og Jupiter.',
'verifiable': 1,
'evidence': 'wiki_26366, wiki_12289',
'original_id': '1'
}

### 数据字段
[需补充更多信息]

### 数据划分
[需补充更多信息]

## 数据集构建

### 构建初衷
本研究于2020年2月13日获取丹麦维基百科数据转储，并获取了《Den Store Danske》的相关文章片段（仅摘录部分内容以符合版权法规）。由两组各两名人员分别独立从上述两个数据源中采样证据文本，并据此创建并标注主张。

### 源数据
#### 初始数据收集与标准化
[需补充更多信息]
#### 源语言生产者是谁？
源语言文本来自维基百科贡献者与编辑，以及词典的贡献者与编辑。

### 注释流程
#### 注释过程
详见[本论文](http://www.derczynski.com/papers/danfever.pdf)。
#### 标注人员信息
标注人员均为丹麦语母语者，同时是信息技术专业硕士研究生；其中2名女性、2名男性，年龄介于25至35岁之间。

### 个人与敏感信息
[需补充更多信息]

## 数据集使用注意事项

### 数据集的社会影响
本数据集的研发目的是支持丹麦语事实核查系统的构建。具备良好性能的此类系统可用于识别存疑的结论与推理过程。

### 偏倚讨论
本数据集的数据源均为相对正式的主题，因此在非此类主题场景下的表现可能欠佳。

### 其他已知局限
[需补充更多信息]

## 附加信息

### 数据集维护者
[需补充更多信息]
### 许可证信息
本数据集采用CC-BY 4.0许可证发布。若使用本数据集，必须注明其来源。

### 引用信息
请按如下格式引用本工作：
> Nørregaard 与 Derczynski (2021)：《DanFEVER：面向丹麦语的主张核查数据集》，收录于第23届北欧计算语言学会议（NoDaLiDa）论文集。

参考文献格式：
`
@inproceedings{norregaard-derczynski-2021-danfever,
title = "{D}an{FEVER}: claim verification dataset for {D}anish",
author = "N{o}rregaard, Jeppe and Derczynski, Leon",
booktitle = "Proceedings of the 23rd Nordic Conference on Computational Linguistics (NoDaLiDa)",
year = "2021",
publisher = {Link{"o}ping University Electronic Press, Sweden},
url = "https://aclanthology.org/2021.nodalida-main.47",
pages = "422--428"
}

原始信息汇总

数据集概述

• 名称: DanFEVER
• 语言: 丹麦语 (da)
• 许可证: CC-BY-4.0
• 多语言性: 单语种
• 大小: 1K<n<10K
• 来源: 原始数据
• 任务类别: 文本分类
• 任务ID: 事实检查, 自然语言推理
• 标签: 知识验证

数据集描述

• 摘要: DanFEVER是一个用于多语言错误信息研究的丹麦语数据集，格式与著名的英语FEVER数据集相同。它可用于测试多语言环境下的方法，以及为丹麦语创建生产模型。
• 支持的任务: 支持FEVER任务，但语言为丹麦语。
• 语言: 数据集为丹麦语，bcp47标识为da_DK。

数据集结构

• 数据实例: 每个实例包含ID、声明、标签、证据提取、可验证性、证据来源和原始ID。
• 数据字段: 待补充
• 数据分割: 待补充

数据集创建

• 筛选理由: 使用2020年2月13日的丹麦语维基百科转储和Den Store Danske的相关文章（仅限摘录，以遵守版权法）。两个团队独立抽样证据，并从这两个站点创建和注释声明。
• 源数据: 源语言来自维基百科编辑者和词典编辑者。
• 注释: 注释者为母语为丹麦语的IT硕士学生，两男两女，年龄25-35岁。

使用数据注意事项

• 社会影响: 该数据集旨在使丹麦语事实检查系统的构建成为可能。成功的系统可能能够识别可疑的结论或推断。
• 偏见讨论: 数据来自相对正式的主题，因此在其他领域可能表现不佳。

附加信息

• 许可证信息: 数据集采用CC-BY 4.0许可证，使用此数据时必须声明其来源。
• 引用信息: 参考文献为Nørregaard和Derczynski (2021)，标题为"DanFEVER: claim verification dataset for Danish"，发表于第23届北欧计算语言学会议(NoDaLiDa)。