MicPie/unpredictable_cluster15

UnpredicTable数据集由从互联网表格中提取的少样本任务组成，旨在通过微调语言模型来提高其在少样本学习中的表现。数据集包含多个版本和子集，涵盖了广泛的任务类型，如多项选择、问答、文本分类等。数据集的创建基于WDC Web Table Corpus，并通过自动化的方式将表格转换为少样本学习任务。

原始信息汇总

数据集概述：UnpredicTable-cluster15

数据集描述

数据集总结

UnpredicTable-cluster15 是一个包含从网络表格中提取的少量任务的数据集，旨在通过这些任务来微调语言模型，以提高其少量学习性能。

支持的任务

数据集支持多种任务，包括：

• 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

语言

数据集仅包含英语内容。

数据集结构

数据实例

每个任务以jsonline文件形式表示，包含多个少量示例。每个示例是一个字典，包含task（任务标识）、input（输入列元素）、options（选项）和output（输出目标）等字段。

数据字段

• task: 任务标识
• input: 表格中特定行的列元素
• options: 多选分类中的选项
• output: 与输入同一行的目标列元素
• pageTitle: 包含表格的页面标题
• outputColName: 输出列名
• url: 包含表格的网站URL
• wdcFile: WDC Web Table Corpus文件

数据分割

数据集未提供额外的数据分割。

数据集创建

数据收集与规范化

数据集从WDC Web Table Corpus 2015的英语关系子集中自动提取413,299个任务。

注释过程

数据集中的注释仅针对特定子集进行，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个人和敏感信息，因为数据直接从网络表格中提取。

使用数据的考虑

社会影响

数据集应用于研究目的，以探索训练数据与少量学习之间的关系，不应未经仔细评估就用于决策关键或用户面对的应用。

偏见讨论

数据集可能包含网络表格中的有害偏见和文本，模型训练时应考虑这些潜在问题。

附加信息

数据集许可证

数据集遵循Apache 2.0许可证。

引用信息

@misc{chan2022few, author = {Chan, Jun Shern and Pieler, Michael and Jao, Jonathan and Scheurer, Jérémy and Perez, Ethan}, title = {Few-shot Adaptation Works with UnpredicTable Data}, publisher={arXiv}, year = {2022}, url = {https://arxiv.org/abs/2208.01009} }