ukr-detect/ukr-formality-dataset-translated-gyafc

我们通过翻译英语GYAFC数据获得了首个乌克兰语形式分类数据集。数据集的形成过程包括：1. 英语数据来源：https://aclanthology.org/N18-1012/；2. 使用模型将数据翻译成乌克兰语：https://huggingface.co/facebook/nllb-200-distilled-600M；3. 此外，数据集进行了平衡处理。标签：0 - 非正式，1 - 正式。

We obtained the first of its kind Ukrainian Formality Classification dataset by translating English GYAFC data. Dataset formation: 1. English data source: https://aclanthology.org/N18-1012/; 2. Translation into Ukrainian language using model: https://huggingface.co/facebook/nllb-200-distilled-600M; 3. Additionally, the dataset was balanced. Labels: 0 - informal, 1 - formal.

原始信息汇总

数据集概述

数据集信息

• 特征:
  • text: 类型为 string
  • labels: 类型为 int64
• 分割:
  • train: 字节数为 21864433，样本数为 209124
  • validation: 字节数为 1066875，样本数为 10272
  • test: 字节数为 512199，样本数为 4853
• 下载大小: 11963779 字节
• 数据集大小: 23443507 字节

配置

• 默认配置:
  • train: 路径为 data/train-*
  • validation: 路径为 data/validation-*
  • test: 路径为 data/test-*

任务类别

• 文本分类

语言

• 乌克兰语

数据集名称

• ukr-fomalit

标签说明

• 0: 非正式
• 1: 正式