Benchmark_for_Neural_Paraphrase_etc

displayName: Benchmark for Neural Paraphrase Detection
labelTypes:
- Text
license:
- CC BY 4.0
mediaTypes:
- Text
paperUrl: https://arxiv.org/pdf/2103.12450v3.pdf
publishDate: "2021-03-19"
publishUrl: https://zenodo.org/record/4621403#.YFs1Xkj7SL8
publisher:
- University of Wuppertal
tags:
- Text
taskTypes:
- Text Matching
- Paraphrase Identification

---
# 数据集介绍
## 简介
这是神经释义检测的基准，用于区分原始内容和机器生成的内容。训练：从 4,012 篇（英文）维基百科文章中提取 1,474,230 个对齐的段落（98,282 个原始段落，1,375,948 个用 3 个模型和 5 个超参数配置进行释义的段落，每个 98,282 个）。测试：BERT-large（加壳）：arXiv - Original - 20,966；释义 - 20,966；论文 - 原创 - 5,226；释义 - 5,226；维基百科 - 原始 - 39,241；释义 - 39,241； RoBERTa-large (case)：arXiv - Original - 20,966；释义 - 20,966；论文 - 原创 - 5,226；释义 - 5,226；维基百科 - 原始 - 39,241；释义 - 39,241； Longformer-large（未加壳）：arXiv - Original - 20,966；释义 - 20,966；论文 - 原创 - 5,226；释义 - 5,226；维基百科 - 原始 - 39,241；释义 - 39,241；
## 引文
```
@inproceedings{wahle2021neural,
title={Are neural language models good plagiarists? a benchmark for neural paraphrase detection},
author={Wahle, Jan Philip and Ruas, Terry and Meuschke, Norman and Gipp, Bela},
booktitle={2021 ACM/IEEE Joint Conference on Digital Libraries (JCDL)},
pages={226--229},
year={2021},
organization={IEEE}
}
```

## Download dataset
:modelscope-code[]{type="git"}

displayName: 神经释义检测基准（Neural Paraphrase Detection Benchmark）
labelTypes:
- 文本（Text）
license:
- 知识共享署名4.0（CC BY 4.0）
mediaTypes:
- 文本（Text）
paperUrl: https://arxiv.org/pdf/2103.12450v3.pdf
publishDate: "2021-03-19"
publishUrl: https://zenodo.org/record/4621403#.YFs1Xkj7SL8
publisher:
- 伍珀塔尔大学（University of Wuppertal）
tags:
- 文本（Text）
taskTypes:
- 文本匹配（Text Matching）
- 释义识别（Paraphrase Identification）

---

# 数据集介绍
## 简介
本数据集为神经释义检测基准数据集，用于区分原始文本与机器生成的释义文本。训练集构建：从4012篇（英文）维基百科文章中提取1,474,230个对齐段落，其中包含98,282个原始段落，以及通过3个模型与5个超参数配置生成的1,375,948个释义段落（每个原始段落对应98,282个释义样本）。测试集分为以下三类模型测试子集：
1. BERT-large（加壳版）：arXiv来源原始文本20,966条、释义文本20,966条；论文来源原始文本5,226条、释义文本5,226条；维基百科来源原始文本39,241条、释义文本39,241条。
2. RoBERTa-large（区分大小写版）：arXiv来源原始文本20,966条、释义文本20,966条；论文来源原始文本5,226条、释义文本5,226条；维基百科来源原始文本39,241条、释义文本39,241条。
3. Longformer-large（无壳版）：arXiv来源原始文本20,966条、释义文本20,966条；论文来源原始文本5,226条、释义文本5,226条；维基百科来源原始文本39,241条、释义文本39,241条。
## 引文

@inproceedings{wahle2021neural,
title={Are neural language models good plagiarists? a benchmark for neural paraphrase detection},
author={Wahle, Jan Philip and Ruas, Terry and Meuschke, Norman and Gipp, Bela},
booktitle={2021 ACM/IEEE Joint Conference on Digital Libraries (JCDL)},
pages={226--229},
year={2021},
organization={IEEE}
}

## Download dataset
:modelscope-code[]{type="git"}