maximedb/sick_nl

SICK-NL数据集是SICK数据集的荷兰语翻译版本，经过自动翻译和手动校正，旨在促进荷兰语自然语言处理的研究。数据集包含句子对、语义相关性和蕴含标签等信息，分为训练集、验证集和测试集。具体字段包括句子对ID、句子A、句子B、蕴含标签、语义相关性评分、句子A和B的原始句子、句子A和B的来源数据集等。数据集创建过程保证了翻译的自然性和标签的准确性。

原始信息汇总

数据集概述

数据集名称

• 名称: SICK-NL

数据集特征

• 特征列表:
  • pair_ID: 句子对ID，数据类型为int64
  • sentence_A: 句子A，数据类型为string
  • sentence_B: 句子B，数据类型为string
  • entailment_label: 蕴含标签，数据类型为string
  • relatedness_score: 相关性得分，数据类型为float64
  • entailment_AB: A到B的蕴含关系，数据类型为string
  • entailment_BA: B到A的蕴含关系，数据类型为string
  • sentence_A_original: 句子A的原始形式，数据类型为string
  • sentence_B_original: 句子B的原始形式，数据类型为string
  • sentence_A_dataset: 句子A的来源数据集，数据类型为string
  • sentence_B_dataset: 句子B的来源数据集，数据类型为string
  • SemEval_set: SemEval集合，数据类型为string
  • label: 文本蕴含黄金标签，数据类型为int64
  • label_seq2seq: 序列到序列标签，数据类型为string

数据集结构

• 数据分割:
  • train: 训练集，包含4439个样本，占用1359887字节
  • validation: 验证集，包含495个样本，占用153417字节
  • test: 测试集，包含4906个样本，占用1496660字节

数据集大小

• 下载大小: 822658字节
• 数据集大小: 3009964字节

许可信息

• 许可证: MIT

任务类别

• 任务: 文本分类

语言

• 语言: 荷兰语

大小类别

• 大小: 1K<n<10K