projecte-aina/wnli-ca

WNLI-ca数据集是一个加泰罗尼亚语版本的Winograd NLI数据集，用于文本分类和自然语言推理任务。数据集包含855个句子对，每个句子对包含一个歧义句子和一个可能的解释句子，标签表示解释是否正确。数据集分为训练集、验证集和测试集。该数据集旨在促进加泰罗尼亚语这一低资源语言的语言模型发展，并允许跨语言比较。

原始信息汇总

WNLI-ca 数据集概述

数据集描述

数据集总结

WNLI-ca 是一个专业翻译成加泰罗尼亚语的 Winograd NLI 数据集，包含 855 个句子对，每个句子对中的第一个句子包含一个歧义，第二个句子提供一个可能的解释。数据集的标签指示第二个句子是否正确解释了第一个句子（1 表示正确，0 表示不正确）。该数据集旨在促进加泰罗尼亚语语言模型的发展，并允许跨语言比较。

支持的任务和排行榜

• 文本蕴含
• 文本分类
• 语言模型

语言

数据集语言为加泰罗尼亚语 (ca-ES)。

数据集结构

数据实例

数据集包含三个 tsv 文件。

数据字段

• index: 索引
• sentence 1: 句子对中的第一个句子
• sentence 2: 句子对中的第二个句子
• label: 两个句子之间的关系
  • 0: 第二个句子未正确解释第一个句子（中性）
  • 1: 第二个句子正确解释了第一个句子（蕴含）

数据分割

• wnli-train-ca.csv: 636 个实例
• wnli-dev-ca.csv: 72 个实例
• wnli-test-shuffled-ca.csv: 147 个实例

数据集创建

数据收集和规范化

数据集是专业翻译自 WNLI 数据集，由 BSC TeMU 在 Projecte AINA 项目框架内委托进行。

注释

数据集的翻译工作由专业翻译人员完成。

个人和敏感信息

数据集中不包含个人或敏感信息。

使用数据的考虑

数据集的社会影响

该数据集有助于加泰罗尼亚语语言模型的发展，加泰罗尼亚语是一种资源较少的语言。

数据集的偏见讨论

[N/A]

其他已知限制

[N/A]