MicPie/unpredictable_cluster19

UnpredicTable-cluster19数据集包含从互联网表格中提取的少样本任务，用于微调语言模型以提高其少样本性能。数据集支持多种任务类型，如多项选择、问答、文本生成等。数据集的创建基于WDC Web Table Corpus 2015，并通过自动化的方式将表格转换为少样本学习任务。数据集未进行人工标注，但部分子集进行了任务质量的人工评级。数据集可能包含敏感信息，使用时需谨慎。

原始信息汇总

数据集概述

数据集名称

• 名称: UnpredicTable-cluster19
• 别名: UnpredicTable 数据集的集群子集之一

数据集属性

• 语言: 英语
• 许可证: Apache-2.0
• 多语言性: 单语种
• 大小: 100K<n<1M

数据集任务

• 任务类型:
  • 多项选择
  • 问答
  • 零样本分类
  • 文本到文本生成
  • 表格问答
  • 文本生成
  • 文本分类
  • 表格分类
• 具体任务ID:
  • 多项选择-QA
  • 抽取式QA
  • 开放域QA
  • 封闭域QA
  • 封闭书QA
  • 开放书QA
  • 语言建模
  • 多类分类
  • 自然语言推理
  • 主题分类
  • 多标签分类
  • 表格多类分类
  • 表格多标签分类

数据集结构

• 数据实例: 每个任务以jsonline文件形式存在，包含多个few-shot示例。
• 数据字段:
  • task: 任务标识符
  • input: 表中特定行的列元素
  • options: 多选分类中的选项
  • output: 与输入同一行的目标列元素
  • pageTitle: 包含表的页面的标题
  • outputColName: 输出列名
  • url: 包含表的网站的URL
  • wdcFile: WDC Web Table Corpus文件

数据集创建

• 来源数据: 从WDC Web Table Corpus 2015的英语关系子集中自动提取。
• 注释过程: 仅对特定子集进行手动注释以评估任务质量。
• 个人和敏感信息: 数据集可能包含未经过滤的用户身份或敏感信息。

使用考虑

• 社会影响: 数据集用于研究训练数据与少样本学习之间的关系，不适合直接用于决策关键或面向用户的场景。
• 偏见讨论: 数据集可能包含网络中存在的各种有害偏见和文本。

附加信息

• 数据集管理员: Jun Shern Chan, Michael Pieler, Jonathan Jao, Jérémy Scheurer, Ethan Perez
• 许可证信息: Apache 2.0
• 引用信息: 见提供的README文件中的引用格式。