vinay876/datasets3

该数据集是通过Argilla创建的，包含与HuggingFace `datasets`库兼容的记录。数据集的主要字段是文本字段，用于提供对问题的响应。数据集还包含问题、建议、元数据和注释指南等部分。数据集可以用于多种NLP任务，具体取决于配置。数据集的加载方式包括通过Argilla和`datasets`库加载。数据集的注释指南要求将文章分类为四个类别之一。

原始信息汇总

数据集卡片 for datasets3

数据集描述

数据集概述

该数据集包含：

• 符合Argilla数据集格式的配置文件argilla.yaml，用于在使用Argilla的FeedbackDataset.from_huggingface方法时配置数据集。
• 与HuggingFace datasets兼容的数据集记录，这些记录在使用FeedbackDataset.from_huggingface时会自动加载，也可以通过datasets库的load_dataset方法独立加载。
• 用于构建和整理数据集的标注指南（如果在Argilla中定义了的话）。

加载方式

使用Argilla加载

安装Argilla并使用以下代码加载数据集：

python import argilla as rg

ds = rg.FeedbackDataset.from_huggingface("vinay876/datasets3")

使用datasets库加载

安装datasets库并使用以下代码加载数据集：

python from datasets import load_dataset

ds = load_dataset("vinay876/datasets3")

支持的任务和排行榜

该数据集可以包含多个字段、问题和响应，因此可以用于不同的NLP任务，具体取决于配置。数据集结构在数据集结构部分中描述。

该数据集没有关联的排行榜。

语言

[更多信息需要]

数据集结构

数据在Argilla中的结构

数据集在Argilla中包含以下部分：字段、问题、建议、元数据、向量和指南。

字段

字段名称	标题	类型	必需	Markdown
text	文本	text	True	False

问题

问题名称	标题	类型	必需	描述	值/标签
label	标签	label_selection	True	N/A	[World, Sports, Business, Sci/Tech]

建议

建议是与现有问题相关联的人工或机器生成的推荐，以辅助标注者在标注过程中的选择。

元数据

元数据是一个字典，用于提供关于数据集记录的额外信息。

指南

指南是可选的，用于向标注者提供指令。

数据实例

在Argilla中的示例

json { "external_id": "record-0", "fields": { "text": "Wall St. Bears Claw Back Into the Black (Reuters) Reuters - Short-sellers, Wall Streetu0027s dwindling\band of ultra-cynics, are seeing green again." }, "metadata": {}, "responses": [], "suggestions": [], "vectors": {} }

在HuggingFace datasets中的示例

json { "external_id": "record-0", "label": [], "label-suggestion": null, "label-suggestion-metadata": { "agent": null, "score": null, "type": null }, "metadata": "{}", "text": "Wall St. Bears Claw Back Into the Black (Reuters) Reuters - Short-sellers, Wall Streetu0027s dwindling\band of ultra-cynics, are seeing green again." }

数据字段

数据集字段包括：

• 字段：目前仅支持文本字段。

  • text 类型为 text。

• 问题：可以有不同类型，如 RatingQuestion、TextQuestion、LabelQuestion、MultiLabelQuestion 和 RankingQuestion。

  • label 类型为 label_selection，允许值为 [World, Sports, Business, Sci/Tech]。

• 建议：自Argilla 1.13.0起，建议被包含在内，以辅助标注过程。建议与现有问题相关联，总是可选的，并且包含建议及其元数据（如果适用）。

  • (可选) label-suggestion 类型为 label_selection，允许值为 [World, Sports, Business, Sci/Tech]。

此外，还有两个可选字段：

• metadata：用于提供关于数据集记录的额外信息。
• external_id：用于提供数据集记录的外部ID。

数据分割

数据集包含一个分割：train。