ukr-detect/ukr-nli-dataset-translated-stanford

我们通过翻译英语NLI数据，获得了首个乌克兰自然语言推理数据集。数据来源为斯坦福大学的SNLI项目，使用Facebook的NLLB-200-distilled-600M模型进行翻译。标签含义：0 - 蕴含，1 - 中立，2 - 矛盾。

原始信息汇总

数据集概述

数据集信息

• 特征:
  • premise: 类型为字符串 (string)
  • hypothesis: 类型为字符串 (string)
  • labels: 类型为整数 (int64)
• 分割:
  • train: 字节数为 107441017，样本数为 549361
  • validation: 字节数为 2029907，样本数为 9842
  • test: 字节数为 2025559，样本数为 9824
• 下载大小: 27765800 字节
• 数据集大小: 111496483 字节

配置

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

任务类别

• 文本分类 (text-classification)

语言

• 乌克兰语 (uk)

数据集名称

• ukr-nli

标签说明

• 0: 蕴含 (entailment)
• 1: 中性 (neutral)
• 2: 矛盾 (contradiction)

数据集加载

python from datasets import load_dataset dataset = load_dataset("ukr-detect/ukr-nli-dataset-translated-stanford")