CATIE-AQ/universal_dependencies_fr_gsd_fr_prompt_pos

universal_dependencies_fr_gsd_fr_prompt_pos数据集是法语提示数据集（DFP）的一个子集，包含343,161行数据，用于词性标注任务。数据来源于universal_dependencies数据集中的法语gsd部分，并通过应用一系列提示来构建输入和目标列，以匹配xP3数据集的格式。数据集中使用了21种不同的提示，这些提示以指示性时态、tutoiement和vouvoiement形式提出。数据集分为训练集、验证集和测试集，分别包含303,429、30,996和8,736个样本。

原始信息汇总

数据集概述

universal_dependencies_fr_gsd_fr_prompt_pos 是一个特定子集，源自 Dataset of French Prompts (DFP)。该数据集包含 343,161 行数据，专为词性标注任务设计。原始数据来自 universal_dependencies 数据集的法国 gsd 分割部分。通过应用一系列提示（见下文），构建了输入和目标列，以达到与 xP3 数据集相同的格式。

数据集特征

• 语言: 法语
• 许可证: CC BY-SA 4.0
• 大小: 100K<n<1M
• 任务类别: 词性标注
• 标签: pos, DFP, french prompts
• 多语言性: 单语种
• 源数据集: universal_dependencies_fr_gsd

提示列表

数据集使用了21个提示，这些提示设计为指示性语气，采用“你”和“您”的形式。例如：

Extraire les classes des mots du texte suivant : +text,
Extrais les classes des mots du texte suivant : +text,
Extrayez les classes des mots du texte suivant : +text,
...

数据集分割

• 训练集: 303,429 样本
• 验证集: 30,996 样本
• 测试集: 8,736 样本

如何使用

python from datasets import load_dataset dataset = load_dataset("CATIE-AQ/universal_dependencies_fr_gsd_fr_prompt_pos")

许可证

数据集遵循 CC BY-SA 4.0 许可证。