UWV/veringewikkelderingen

该数据集包含不同风格的荷兰语维基百科段落的变体，基于另一个数据集的简化结果列生成。数据集使用GPT4-1106-preview模型生成，系统提示要求生成更复杂的荷兰语文本版本，包括特定术语、政府机构用语、古语、技术用语、学术用语和诗用语。数据集还包含原始维基百科文本、简化版本以及通过GPT4生成的改写版本。

原始信息汇总

数据集概述

数据集名称

UWV Leesplank NL Wikipedia Veringewikkelderingen

数据集内容

本数据集包含一系列不同风格的Wikipedia段落变体，主要基于另一个数据集（UWV/Leesplank_NL_wikipedia_simplifications）中的简化结果列。数据集中的变体包括以下六种文本修改类型：

• 术语（特定上下文术语）
• 官方语言（政府机构、正式文件中使用）
• 古语（古老、过时）
• 技术用语（技术性）
• 学术用语（学术、研究、教育）
• 诗意用语（诗歌、文学）

数据结构

数据以JSON格式提供，遵循以下结构： json { "jargon": "", "ambtelijke_taal": "", "archaïsche_taal": "", "technisch_taalgebruik": "", "academisch_taalgebruik": "", "poëtisch_taalgebruik": "" }

数据集来源

数据集由GPT4-1106-preview生成，使用特定的系统提示来生成更复杂的荷兰语文本版本。

未来计划

计划在获得资金支持后，将数据集扩展至包括以下荷兰语的复杂化类型：

• 成语
• 抽象
• 被动
• 讽刺与嘲讽
• 新词与流行词

数据集列说明

• "original"：原始Wikipedia文本
• "simplified"：简化版本（对应于链接数据集中的"result"）
• 其他列：由GPT4生成的（改写）文本