12ml/e-CARE

e-CARE数据集是一个人类标注的可解释因果推理数据集，包含超过20,000个因果推理问题及其自然语言形式的解释。该数据集旨在填补现有因果推理资源中解释信息的空白，通过提供因果问题的概念解释，促进因果推理过程的理解。实验结果表明，生成有效的因果事实解释对于当前最先进的模型仍然具有挑战性，而解释信息有助于提高因果推理模型的准确性和稳定性。该数据集是原始e-CARE数据集的非官方重新上传，已被修改以匹配COPA数据集的变量名，且只有训练集和开发集是公开的。

原始信息汇总

数据集概述

数据集名称

e-CARE: 一个用于探索可解释因果推理的新数据集

数据集描述

e-CARE数据集包含超过20,000个因果推理问题，每个问题都附有自然语言形式的解释。该数据集旨在填补现有因果推理资源中解释信息的缺失，以促进因果推理模型的准确性和稳定性。

数据集特点

• 包含因果推理问题的自然语言解释
• 适用于多个任务类别，包括多项选择和文本分类
• 数据集语言为英语

数据集版本

此版本为非官方重新上传，已对原始数据集进行修改，以使变量名称与COPA数据集相匹配。目前仅提供训练集和开发集。

相关文献

• Du, L., Ding, X., Xiong, K., Liu, T., & Qin, B. (2022). e-CARE: a New Dataset for Exploring Explainable Causal Reasoning. arXiv preprint arXiv:2205.05849.
• Roemmele, M., Bejan, C., and Gordon, A. (2011) Choice of Plausible Alternatives: An Evaluation of Commonsense Causal Reasoning. AAAI Spring Symposium on Logical Formalizations of Commonsense Reasoning, Stanford University, March 21-23, 2011.

搜集汇总

背景与挑战

背景概述

e-CARE是一个人类标注的可解释因果推理数据集，包含超过20,000个因果推理问题及其自然语言解释，旨在通过提供概念解释填补现有因果推理资源中解释信息的空白。实验表明，解释信息有助于提升因果推理模型的准确性和稳定性，但生成有效解释对当前先进模型仍具挑战性；该数据集是原始版本的修改重新上传，仅公开训练集和开发集。