sdadas/sick_pl

该数据集是一个手动翻译的波兰语版本，源自流行的英语自然语言推理（NLI）语料库，包含10,000个句子对。NLI任务涉及确定一个陈述（前提）是否语义上蕴含另一个陈述（假设）。这种关系可以分为蕴含（如果第一个句子蕴含第二个句子）、中立（第一个陈述不决定第二个陈述的真值）或矛盾（如果第一个句子为真，第二个句子为假）。此外，原始SICK数据集包含句子对的语义相关性评分，范围为1到5。在翻译过程中，尽量保持原意，但在某些情况下，两个不同的英语句子在波兰语中有相同的翻译，因此对这些实例进行了轻微修改以保持意义和句法差异。

原始信息汇总

数据集概述

基本信息

• 语言: 波兰语 (pl)
• 许可证: CC-BY-NC-SA-3.0
• 多语言性: 单语种
• 大小: 1K<n<10K
• 源数据集: SICK
• 任务类别: 文本分类
• 任务ID:
  • 自然语言推理
  • 语义相似度评分
• 美观名称: Sentences Involving Compositional Knowledge (Polish)

数据集结构

• 特征:
  • pair_ID: 字符串类型
  • sentence_A: 字符串类型
  • sentence_B: 字符串类型
  • relatedness_score: 浮点数类型 (float32)
  • entailment_judgment: 字符串类型
• 分割:
  • 训练集
  • 验证集
  • 测试集

数据实例

• 示例: json { "pair_ID": "122", "sentence_A": "Pięcioro dzieci stoi blisko siebie , a jedno dziecko ma pistolet", "sentence_B": "Pięcioro dzieci stoi blisko siebie i żadne z nich nie ma pistoletu", "relatedness_score": 3.7, "entailment_judgment": "CONTRADICTION" }

数据字段

• pair_ID: 句子对ID
• sentence_A: 句子A
• sentence_B: 句子B
• entailment_judgment: 文本蕴含黄金标签: 蕴含 (0), 中性 (1) 或 矛盾 (2)
• relatedness_score: 语义相关性黄金分数 (1-5连续尺度)