five

SEACrowd/copal

收藏
Hugging Face2024-11-29 更新2024-06-29 收录
下载链接:
https://hf-mirror.com/datasets/SEACrowd/copal
下载链接
链接失效反馈
官方服务:
资源简介:
COPAL是一个新颖的印尼语常识推理数据集,与之前的印尼COPA数据集(XCOPA-ID)不同,COPAL-ID融入了印尼本土文化特色,提供了更自然的日常因果推理表达。该数据集由印尼本地人专业编写,避免了翻译版本中的不自然表达,并提供了标准印尼语和雅加达印尼语两种版本。数据集的结构包括前提、选择1、选择2、问题和标签,类似于COPA数据集。

COPAL是一个新颖的印尼语常识推理数据集,与之前的印尼COPA数据集(XCOPA-ID)不同,COPAL-ID融入了印尼本土文化特色,提供了更自然的日常因果推理表达。该数据集由印尼本地人专业编写,避免了翻译版本中的不自然表达,并提供了标准印尼语和雅加达印尼语两种版本。数据集的结构包括前提、选择1、选择2、问题和标签,类似于COPA数据集。
提供机构:
SEACrowd
原始信息汇总

COPAL 数据集概述

基本信息

  • 名称: COPAL
  • 语言: 印尼语 (ind)
  • 任务类别: 常识推理 (commonsense-reasoning)
  • 标签: 常识推理 (commonsense-reasoning)
  • 版本:
    • 源版本: 1.0.0
    • SEACrowd版本: 2024.06.20
  • 许可证: Creative Commons Attribution Share Alike 4.0 (cc-by-sa-4.0)

描述

COPAL 是一个新颖的印尼语常识推理数据集。与之前的印尼语 COPA 数据集 (XCOPA-ID) 不同,COPAL-ID 融入了印尼本地和文化细节,更自然地描绘了印尼文化圈内的日常因果推理。由本地人从头开始专业编写,COPAL-ID 更加流畅,没有生硬的短语,与翻译的 XCOPA-ID 不同。此外,COPAL-ID 以标准印尼语和雅加达印尼语(一种常用的方言)呈现。数据集包含前提、选择1、选择2、问题和标签,类似于 COPA 数据集。

使用方法

使用 datasets

python from datasets import load_dataset dset = datasets.load_dataset("SEACrowd/copal", trust_remote_code=True)

使用 seacrowd

python import seacrowd as sc

使用默认配置加载数据集

dset = sc.load_dataset("copal", schema="seacrowd")

检查数据集的所有可用子集(配置名称)

print(sc.available_config_names("copal"))

使用特定配置加载数据集

dset = sc.load_dataset_by_config_name(config_name="<config_name>")

引用

如果使用 COPAL 数据集,请引用以下内容:

@article{wibowo2023copal, title={COPAL-ID: Indonesian Language Reasoning with Local Culture and Nuances}, author={Wibowo, Haryo Akbarianto and Fuadi, Erland Hilman and Nityasya, Made Nindyatama and Prasojo, Radityo Eko and Aji, Alham Fikri}, journal={arXiv preprint arXiv:2311.01012}, year={2023} }

@article{lovenia2024seacrowd, title={SEACrowd: A Multilingual Multimodal Data Hub and Benchmark Suite for Southeast Asian Languages}, author={Holy Lovenia and Rahmad Mahendra and Salsabil Maulana Akbar and Lester James V. Miranda and Jennifer Santoso and Elyanah Aco and Akhdan Fadhilah and Jonibek Mansurov and Joseph Marvin Imperial and Onno P. Kampman and Joel Ruben Antony Moniz and Muhammad Ravi Shulthan Habibi and Frederikus Hudi and Railey Montalan and Ryan Ignatius and Joanito Agili Lopo and William Nixon and Börje F. Karlsson and James Jaya and Ryandito Diandaru and Yuze Gao and Patrick Amadeus and Bin Wang and Jan Christian Blaise Cruz and Chenxi Whitehouse and Ivan Halim Parmonangan and Maria Khelli and Wenyu Zhang and Lucky Susanto and Reynard Adha Ryanda and Sonny Lazuardi Hermawan and Dan John Velasco and Muhammad Dehan Al Kautsar and Willy Fitra Hendria and Yasmin Moslem and Noah Flynn and Muhammad Farid Adilazuarda and Haochen Li and Johanes Lee and R. Damanhuri and Shuo Sun and Muhammad Reza Qorib and Amirbek Djanibekov and Wei Qi Leong and Quyet V. Do and Niklas Muennighoff and Tanrada Pansuwan and Ilham Firdausi Putra and Yan Xu and Ngee Chia Tai and Ayu Purwarianti and Sebastian Ruder and William Tjhi and Peerat Limkonchotiwat and Alham Fikri Aji and Sedrick Keh and Genta Indra Winata and Ruochen Zhang and Fajri Koto and Zheng-Xin Yong and Samuel Cahyawijaya}, year={2024}, eprint={2406.10118}, journal={arXiv preprint arXiv: 2406.10118} }

5,000+
优质数据集
54 个
任务类型
进入经典数据集
二维码
社区交流群

面向社区/商业的数据集话题

二维码
科研交流群

面向高校/科研机构的开源数据集话题

数据驱动未来

携手共赢发展

商业合作