UMCU/MultiNLI_Dutch_translated_with_Marianmt

该数据集是使用Maria NMT模型将英文的Multi-Genre Natural Language Inference (MultiNLI)语料库翻译成荷兰语的版本。数据集包含两个句子（sentence1和sentence2）、注释标签（annotator_labels）、类型（genre）、黄金标签（gold_label）和配对ID（pairID）。数据集分为训练集、验证集和测试集，分别包含380800、19392和19040个样本。数据集的许可证为creativeml-openrail-m，任务类别为句子相似性，语言为荷兰语，大小类别为100K<n<1M。

原始信息汇总

数据集概述

数据集配置

• 配置名称: default
• 数据文件路径:
  • 训练集: data/train-*
  • 验证集: data/validation-*
  • 测试集: data/test-*

数据集信息

• 特征:

  • sentence1: 字符串类型
  • sentence2: 字符串类型
  • annotator_labels: 字符串序列
  • genre: 字符串类型
  • gold_label: 字符串类型
  • pairID: 字符串类型

• 数据分割:

  • 训练集:
    • 字节数: 92877120
    • 样本数: 380800
  • 验证集:
    • 字节数: 5903876
    • 样本数: 19392
  • 测试集:
    • 字节数: 5321727
    • 样本数: 19040

• 数据集大小:

  • 下载大小: 58511174 字节
  • 数据集总大小: 104102723 字节

许可证

• 许可证类型: creativeml-openrail-m

任务类别

• 任务类别: sentence-similarity

语言

• 语言: 荷兰语 (nl)

数据集名称

• 数据集名称: Dutch MultiNLI(MM) using MariaNMT

数据集规模

• 规模: 100K<n<1M