HiTZ/xnli-eu

XNLIeu是XNLI数据集的扩展，专门为巴斯克语（Basque）设计，用于自然语言推理任务。该数据集通过将英文XNLI语料库机器翻译成巴斯克语，并经过人工后编辑步骤开发而成。数据集包含三个子集：eu（机器翻译并经过人工后编辑）、eu_mt（仅机器翻译）、eu_native（原始非翻译测试集）。每个子集包含premise、hypothesis和label三个字段，分别表示前提、假设和标签。数据集可用于跨语言评估，特别是与XNLI的训练集结合使用。

原始信息汇总

数据集卡片 for XNLIeu

数据集详情

数据集描述

XNLIeu 是 XNLI 的扩展，从英语翻译到 巴斯克语。它被设计为一个跨语言的自然语言推理任务数据集，属于文本分类任务，包括对句子对（前提和假设）进行分类，根据其语义关系分为三种可能的标签：蕴含、中性和矛盾。

• 语言(NLP): 巴斯克语 (eu)
• 许可证: XNLIeu 源自 XNLI，并沿用其许可证。

数据集结构

数据集包含三个子集：

• eu: XNLIeu，从英语机器翻译并经过人工编辑的巴斯克语版本。
• eu_MT: XNLIeu_MT，未经人工编辑的机器翻译版本。
• eu_native: 原始的非翻译测试集。

分割

名称	训练	验证	测试
eu	392702	2490	5010
eu_mt	392702	2490	5010
eu_native	-	-	621

数据集字段

所有分割都包含相同的字段：premise、hypothesis 和 label。

• premise: 字符串变量。
• hypothesis: 字符串变量。
• label: 分类标签，可能的值包括蕴含 (0)、中性 (1)、矛盾 (2)。

数据集实例

"eu" 分割的一个示例：

json { "premise": "Dena idazten saiatu nintzen", "hypothesis": "Nire helburua gauzak idaztea zen.", "label": 0, }

偏差、风险和限制

该数据集的偏差已在论文中进行了研究和报告。

引用

BibTeX: bibtex @article{heredia2024xnlieu, title={XNLIeu: a dataset for cross-lingual NLI in Basque}, author={Maite Heredia and Julen Etxaniz and Muitze Zulaika and Xabier Saralegi and Jeremy Barnes and Aitor Soroa}, year={2024}, eprint={2404.06996}, archivePrefix={arXiv}, primaryClass={cs.CL} }

APA:

Maite Heredia, Julen Etxaniz, Muitze Zulaika, Xabier Saralegi, Jeremy Barnes, & Aitor Soroa (2024). XNLIeu: a dataset for cross-lingual NLI in Basque.