UKPLab/amazon_counterfactual_en

Amazon Multilingual Counterfactual Dataset包含来自亚马逊客户评论的句子，这些句子被标注用于反事实检测（CFD）二元分类。反事实语句描述的是未发生或不可能发生的事件。数据集是多语言的，包含英语、德语和日语的句子。标注工作由专业语言学家完成，确保了高质量。数据集还附带了由专业语言学家制定的标注指南和定义，以及用于初始数据过滤的反事实句子典型线索词列表。

原始信息汇总

Amazon Multilingual Counterfactual Dataset 概述

数据集内容

• 语言多样性：包含英语、德语和日语三种语言的句子。
• 数据来源：来自亚马逊客户评论，特别是产品评论数据集的样本。
• 数据用途：用于反事实检测（CFD）二元分类任务。反事实陈述描述未发生或不能发生的事件，通常表现为“如果p为真，则q为真”的形式，其中p和q被认为或假定为假。

数据集特点

• 高质量标注：由专业语言学家进行标注，确保数据质量。
• 附加资源：提供标注指南和定义，以及用于初步数据筛选的反事实句子典型线索词列表，这些资源均由专业语言学家编制。

数据集详情

• 详细信息：数据统计、收集和标注的详细描述可在相关论文中找到。

数据集访问

• GitHub仓库：数据集的GitHub仓库地址为 https://github.com/amazon-research/amazon-multilingual-counterfactual-dataset。

搜集汇总

背景与挑战

背景概述

该数据集是一个用于反事实检测的亚马逊多语言数据集，包含10,000条来自产品评论的句子，进行二元分类（反事实与非反事实）。其特点包括由专业语言学家标注以确保高质量，并提供多语言支持（英语、德语、日语）以及详细的标注指南和线索词列表，适用于自然语言处理任务如情感分析或文本分类。