openfoodfacts/spellcheck-benchmark

Spellcheck Benchmark数据集由152个从Open Food Facts数据库中提取的成分列表组成，并经过校正以确保每个成分被识别。该数据集的目的是评估在遵循Open Food Facts（OFF）指南的情况下，对产品成分列表进行拼写检查的效果。部分数据是通过OpenAI-GPT3.5-Turbo生成的，并使用Argilla工具进行检查以确保生成的校正符合拼写检查的指导原则。

原始信息汇总

数据集概述

基本信息

• 名称: Spellcheck Benchmark
• 版本: v5
• 语言: 包含多种语言，如法语、英语、罗马尼亚语、德语、西班牙语、意大利语、保加利亚语、荷兰语、希腊语、波兰语、葡萄牙语、斯洛伐克语等。
• 大小: 小于1000条记录
• 任务类别: 文本到文本生成
• 标签: 自然语言处理, 拼写检查
• 数据集大小: 243条记录

配置

• 配置名称: benchmark
  • 数据文件: data/train-*
• 配置名称: default
  • 数据文件:
    • 分割: train
      • 路径: data/train-*

数据集信息

• 特征:
  • original: 字符串类型
  • reference: 字符串类型
  • is_truncated: 整数类型
  • lang: 字符串类型
  • data_origin: null类型
• 分割:
  • 名称: train
    • 字节数: 90282
    • 示例数: 152
• 下载大小: 61445
• 数据集大小: 90282

数据集用途

用于评估拼写检查在纠正产品成分列表中的应用，确保每种成分被正确识别，遵循Open Food Facts指南。