GEM/totto

ToTTo是一个高质量的英文表格到文本生成数据集，包含超过100,000个示例。每个示例都包含一个来自维基百科的表格，其中高亮显示的单元格与描述这些单元格的句子配对。数据集中的所有示例都经过多步后编辑，以确保目标句子完全忠实于输入信息。该数据集主要用于表格到文本的自然语言生成任务，并且通过高亮显示的单元格提供了生成控制，避免了生成过程中出现大量有效描述的问题。

原始信息汇总

数据集概述

数据集名称

ToTTo

数据集描述

ToTTo是一个高质量的英语表到文本数据集，包含超过100,000个示例，其中维基百科的表格与描述高亮单元格的句子配对。所有示例都经过多步骤后编辑，以确保目标完全忠实于输入信息。

语言

• 英语（en）

许可证

• cc-by-sa-3.0

多语言性

• 不支持

数据集大小

• 未知

源数据集

• 原始数据

任务类别

• 表到文本

任务ID

• 无

数据集标签

• 数据到文本

数据集结构

• table：列表形式，表示表格的行和列。
• highlighted_cells：高亮单元格的索引列表。
• example_id：每个示例的唯一ID。
• sentence_annotations：最终句子的注释。

数据集用途

ToTTo用于表到文本的自然语言生成任务，旨在生成描述高亮表格单元格的自然语言句子。

主要任务

• 数据到文本

通信目标

生成一个描述给定表格中高亮单元格的连贯英语句子。

数据集创建者

• Ankur Parikh, Xuezhi Wang, Sebastian Gehrmann, Manaal Faruqui, Bhuwan Dhingra, Diyi Yang, Dipanjan Das

数据集组织

• Google Research

许可证

• cc-by-sa-3.0: 知识共享署名-相同方式共享3.0未本地化版本

数据集下载

• ToTTo主仓库 + ToTTo补充仓库

数据集论文

• ACL Anthology

数据集联系人

• Ankur Parikh
• 邮箱：[e-mail]

数据集是否有排行榜

• 是

排行榜链接

• GitHub

数据集在GEM中的理由

ToTTo是GEM中代表表到文本自然语言生成任务的两个数据集之一，以其高质量和控制生成任务的特点而著称。