Skatinger/wikipedia-persons-masked

该数据集是huggingface维基百科数据集的一个子集，包含约70,000行数据，每行数据都是关于维基百科上的一个人物。每行数据包含原始维基百科文本的句子，以及每个句子的改写版本。对于这两个版本，文本中的实体都被掩码处理。

原始信息汇总

数据集概述

数据集描述

• 数据来源：本数据集是huggingface维基百科数据集的一个子集，包含约70,000行数据，每行数据关于维基百科上的一个人物。
• 数据内容：每行包含原始维基百科文本的句子以及每个句子的改写版本。两种版本均包含关于实体的完整文本，但实体在文本中被屏蔽。

数据集特征

• id：原始数据集中的标识符
• url：维基百科页面的链接
• title：维基百科页面的标题
• text：原始维基百科文本
• sentences：文本分割成的句子
• paraphrased_sentences：文本分割成的句子，每个句子被改写
• masked_text_original：原始文本中实体被屏蔽的版本
• masked_entities_original：在masked_text_original中被屏蔽的实体数组
• masked_text_paraphrased：改写文本中实体被屏蔽的版本
• masked_entities_paraphrased：在masked_text_paraphrased中被屏蔽的实体数组

数据集属性

• 语言：英语 (en)
• 许可证：学术自由许可证3.0 (afl-3.0)
• 多语言性：单语种
• 数据集大小：10,000 < n < 100,000
• 任务类别：填空 (fill-mask)
• 任务ID：槽填充 (slot-filling)