haebo1/test

KoBEST是一个韩语基准套件，包含5个需要高级韩语知识的自然语言理解任务。这些任务包括布尔问答、合理替代选择、上下文中的词语、HellaSwag和情感否定识别。数据集的结构包括不同任务的数据实例、数据字段和数据分割。数据集的创建、使用考虑和附加信息也在README文件中有所描述。

原始信息汇总

数据集概述

数据集名称

• 名称：KoBEST

数据集属性

• 语言：韩语 (ko-KR)
• 许可证：CC-BY-SA-4.0
• 多语言性：单语种
• 大小：10,000 < n < 100,000
• 数据来源：原始数据

数据集配置

• 配置名称：boolq, copa, hellaswag, sentineg, wic
• 数据文件路径：对应配置名称的子目录

数据集结构

• 数据实例：

  • KB-BoolQ：包含段落、问题和标签（真/假）
  • KB-COPA：包含前提、问题、两个备选答案和标签
  • KB-WiC：包含目标词、两个上下文和标签（真/假）
  • KB-HellaSwag：包含上下文和四个可能的结尾，以及标签
  • KB-SentiNeg：包含句子及其情感标签（正面/负面）

• 数据字段：

  • KB-BoolQ：段落、问题、标签
  • KB-COPA：前提、问题、备选答案1、备选答案2、标签
  • KB-WiC：目标词、上下文1、上下文2、标签
  • KB-HellaSwag：上下文、结尾1、结尾2、结尾3、结尾4、标签
  • KB-SentiNeg：句子、标签

• 数据分割：

  • KB-BoolQ：训练集3,665，开发集700，测试集1,404
  • KB-COPA：训练集3,076，开发集1,000，测试集1,000
  • KB-WiC：训练集3,318，开发集1,260，测试集1,260
  • KB-HellaSwag：训练集3,665，开发集700，测试集1,404
  • KB-SentiNeg：训练集3,649，开发集400，测试集397，测试集原始数据397

数据集创建

• 注释创建者：专家生成
• 语言创建者：专家生成

许可证信息

• 许可证：CC-BY-SA-4.0

贡献者

• 贡献者：@MJ-Jang