UKPLab/UKP_ASPECT

UKP ASPECT语料库包含3,595对句子，涉及28个有争议的话题。这些句子通过ArgumenText系统从大型网络爬取中识别为特定话题的论点，并通过众包进行论点相似性标注。每对句子都有一个论点相似性标签，标签包括不同话题/无法决定、无相似性、部分相似性和高度相似性。数据集支持句子对分类和话题分类任务，语言为英语。The UKP ASPECT Corpus contains 3,595 sentence pairs covering 28 controversial topics. These sentences were identified as topic-specific arguments from large-scale web crawls via the ArgumenText system, and their argument similarity was annotated via crowdsourcing. Each sentence pair is assigned an argument similarity label, which includes four categories: different topics/unable to decide, no similarity, partial similarity, and high similarity. This corpus supports sentence pair classification and topic classification tasks, and the corpus is in English.

原始信息汇总

数据集概述

数据集名称

UKP ASPECT Corpus

数据集摘要

UKP ASPECT Corpus 包含3,595对句子，涉及28个争议话题。这些句子从大型网络爬虫中提取，并通过ArgumenText系统识别为特定话题的论点。通过众包方式对句子对的论点相似性进行标注，每个工人可以从四个标注选项中选择。

支持的任务

• 句子对分类
• 话题分类

语言

英语

数据集结构

数据实例

每个实例包含一个话题、一对句子和一个论点相似性标签。

数据字段

• 话题: 用于检索文档的话题关键词
• 句子1: 句子对中的第一个句子
• 句子2: 句子对中的第二个句子
• 标签: 句子对的众包黄金标准标注（DTORCD, NS, SS, HS）

数据分割

数据集目前不包含标准的数据分割。

数据集创建

数据收集与规范化

使用ArgumenText系统从大型网络爬虫中识别出特定话题的论点句子，并采用弱监督方法平衡相似性，最终形成3,595对论点句子。

标注过程

通过Amazon Mechanical Turk平台上的众包工人对论点对的相似性进行标注，使用Multi-Annotator Competence Estimation (MACE)方法整合投票结果。

附加信息

数据集管理者

由UKP的数据管理者负责。

许可信息

CC-by-NC 3.0

引用信息

@inproceedings{reimers2019classification, title={Classification and Clustering of Arguments with Contextualized Word Embeddings}, author={Reimers, Nils and Schiller, Benjamin and Beck, Tilman and Daxenberger, Johannes and Stab, Christian and Gurevych, Iryna}, booktitle={Proceedings of the 57th Annual Meeting of the Association for Computational Linguistics}, pages={567--578}, year={2019} }

贡献者

感谢@buenalaune添加此数据集。

搜集汇总

背景与挑战

背景概述

UKP_ASPECT数据集是一个用于论点相似性分析的英文文本数据集，包含3,595个句子对，覆盖28个争议性话题，每个句子对通过众包标注了四种相似性标签（DTORCD、NS、SS、HS）。该数据集主要用于句子对分类和主题分类任务，支持自然语言处理中的论点聚类和相似性评估研究。