CATIE-AQ/stsb_multi_mt_fr_prompt_sentence_similarity

stsb_multi_mt_fr_prompt_sentence_similarity数据集是法语提示数据集（DFP）的一个子集，包含155,304行数据，用于语义相似性评分任务。数据来源于stsb_multi_mt数据集，仅保留了法语部分，并通过应用一系列提示来构建输入和目标列，使其格式与xP3数据集相同。数据集中使用了18种不同的提示，这些提示以直陈式、你式（tutoiement）和您式（vouvoiement）的形式提出。数据集分为训练集（103,482个样本）、验证集（27,000个样本）和测试集（24,822个样本）。

原始信息汇总

数据集概述

stsb_multi_mt_fr_prompt_sentence_similarity 是一个包含 155,304 行的数据集，用于语义相似性评分任务。该数据集是 Dataset of French Prompts (DFP) 的一个子集，原始数据来自 stsb_multi_mt 数据集的法国部分。

语言和许可证

• 语言: 法语 (fr)
• 许可证: 其他

数据集大小和任务类别

• 大小类别: 100k<n<1M
• 任务类别: 文本分类
• 任务ID: 文本评分, 语义相似性评分

标签

• 标签: DFP, 法语提示

数据集创建者

• 注释创建者: 发现
• 语言创建者: 发现

多语言性

• 多语言性: 单语

源数据集

• 源数据集: stsb_multi_mt

数据集分割

• 训练集: 103,482 样本
• 验证集: 27,000 样本
• 测试集: 24,822 样本

如何使用

python from datasets import load_dataset dataset = load_dataset("CATIE-AQ/stsb_multi_mt_fr_prompt_sentence_similarity")

引用信息

原始数据

@InProceedings{huggingface:dataset:stsb_multi_mt,
title = {Machine translated multilingual STS benchmark dataset.},
author={Philip May},
year={2021},
url={https://github.com/PhilipMay/stsb-multi-mt}
}

本数据集

@misc {centre_aquitain_des_technologies_de_linformation_et_electroniques_2023,
author = { {Centre Aquitain des Technologies de lInformation et Electroniques} },
title = { DFP (Revision 1d24c09) },
year = 2023,
url = { https://huggingface.co/datasets/CATIE-AQ/DFP },
doi = { 10.57967/hf/1200 },
publisher = { Hugging Face }
}

许可证

许可证链接