arkamaldeen/argilla-dataset

该数据集是通过Argilla工具创建的，包含一个配置文件`argilla.yaml`和与HuggingFace `datasets`库兼容的记录。数据集的结构包括字段、问题、建议、元数据和指南。数据集可以用于不同的NLP任务，具体取决于配置。数据集的创建过程、注释指南、注释者信息等细节尚未提供。

原始信息汇总

数据集卡片 for argilla-dataset

数据集描述

• 主页: https://argilla.io
• 仓库: https://github.com/argilla-io/argilla
• 论文:
• 排行榜:
• 联系人:

数据集摘要

该数据集包含：

• 符合 Argilla 数据集格式的配置文件 argilla.yaml。该配置文件将在使用 Argilla 的 FeedbackDataset.from_huggingface 方法时用于配置数据集。
• 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 库独立加载。
• 用于构建和整理数据集的标注指南（如果已在 Argilla 中定义）。

加载方式

使用 Argilla 加载

安装 Argilla： python pip install argilla --upgrade

然后使用以下代码加载数据集： python import argilla as rg

ds = rg.FeedbackDataset.from_huggingface("arkamaldeen/argilla-dataset")

使用 datasets 加载

安装 datasets： python pip install datasets --upgrade

然后使用以下代码加载数据集： python from datasets import load_dataset

ds = load_dataset("arkamaldeen/argilla-dataset")

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

数据集在 Argilla 中创建，包含：字段、问题、建议、元数据、向量和指南。

• 字段：数据集记录本身，目前仅支持文本字段。这些字段将用于提供问题的答案。

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

• 问题：将向标注者提出的问题。它们可以是不同类型，如评分、文本、标签选择、多标签选择或排序。

问题名称	标题	类型	必需	描述	值/标签
validate	验证	label_selection	True	N/A	[select, unselect]

• 建议：人类或机器生成的建议，以协助标注者在标注过程中的建议，总是与现有问题相关联，并命名为"-suggestion"和"-suggestion-metadata"，包含建议的值及其元数据。

• 元数据：一个字典，用于提供有关数据集记录的额外信息。这可以为标注者提供额外的上下文，或提供有关数据集记录本身的额外信息。元数据总是可选的，并且可以与 argilla.yaml 中的 metadata_properties 定义相关联。

元数据名称	标题	类型	值	对标注者可见

• 指南：也是可选的，只是一个纯字符串，用于向标注者提供指令。请参阅标注指南部分。

数据实例

在 Argilla 中的数据集实例示例如下：

json { "external_id": null, "fields": { "text": "u0b13u0b21u0b3fu0b36u0b3eu0b30 u0b2au0b3eu0b30u0b2eu0b4du0b2au0b3eu0b30u0b3fu0b15 u0b36u0b2cu0b26u0b3eu0b39 u0b30u0b40u0b24u0b3fu0b28u0b40u0b24u0b3f u0b0fu0b2cu0b02 u0b05u0b28u0b4du0b24u0b3fu0b2eu0b38u0b02u0b38u0b4du0b15u0b3eu0b30" }, "metadata": {}, "responses": [ { "status": "submitted", "user_id": "0cd57185-cddd-408b-b469-2f0198f7c5e1", "values": { "validate": { "value": "unselect" } } } ], "suggestions": [], "vectors": {} }

在 HuggingFace datasets 中的相同记录示例如下：

json { "external_id": null, "metadata": "{}", "text": "u0b13u0b21u0b3fu0b36u0b3eu0b30 u0b2au0b3eu0b30u0b2eu0b4du0b2au0b3eu0b30u0b3fu0b15 u0b36u0b2cu0b26u0b3eu0b39 u0b30u0b40u0b24u0b3fu0b28u0b40u0b24u0b3f u0b0fu0b2cu0b02 u0b05u0b28u0b4du0b24u0b3fu0b2eu0b38u0b02u0b38u0b4du0b15u0b3eu0b30", "validate": [ { "status": "submitted", "user_id": "0cd57185-cddd-408b-b469-2f0198f7c5e1", "value": "unselect" } ], "validate-suggestion": null, "validate-suggestion-metadata": { "agent": null, "score": null, "type": null } }

数据字段

数据集字段包括以下内容：

• 字段：数据集记录本身，目前仅支持文本字段。这些字段将用于提供问题的答案。

  • text 类型为 text。

• 问题：将向标注者提出的问题。它们可以是不同类型，如 RatingQuestion、TextQuestion、LabelQuestion、MultiLabelQuestion 和 RankingQuestion。

  • validate 类型为 label_selection，允许值为 [select, unselect]。

• 建议：从 Argilla 1.13.0 开始，建议已包含在内，以向标注者提供建议，以简化或协助标注过程。建议与现有问题相关联，总是可选的，并且不仅包含建议本身，还包含其相关元数据（如果适用）。

  • (可选) validate-suggestion 类型为 label_selection，允许值为 [select, unselect]。

此外，还有两个可选字段：

• metadata：用于提供有关数据集记录的额外信息的可选字段。这可以为标注者提供额外的上下文，或提供有关数据集记录本身的额外信息。例如，可以使用此字段提供数据集记录的原始来源链接，或提供有关数据集记录本身的额外信息，如作者、日期或来源。元数据总是可选的，并且可以与 argilla.yaml 中的 metadata_properties 定义相关联。

• external_id：用于为数据集记录提供外部 ID 的可选字段。如果您想将数据集记录链接到外部资源（如数据库或文件），这可能很有用。

数据分割

数据集包含一个分割，即 train。