el2e10/aya-indicsentiment-bengali

该数据集是基于AI4Bharat的IndicSentiment数据集创建的，IndicSentiment是一个多语言平行数据集，用于情感分析，包含产品评论、翻译成印度语言、情感标签等。该数据集使用了四种模板将原始数据集转换为指令风格的数据集，包含一个训练集分割，共有1156个样本。

原始信息汇总

数据集概述

基本信息

• 语言: 孟加拉语 (bn)
• 许可证: cc
• 数据规模: 1K<n<10K
• 任务类别: 对话 (conversational)

数据结构

• 特征:
  • inputs: 字符串类型
  • targets: 字符串类型
  • template_lang: 字符串类型
  • template_id: 64位整数类型

数据分割

• 训练集:
  • 名称: train
  • 字节数: 631319
  • 样本数: 1156

数据大小

• 下载大小: 288813
• 数据集大小: 631319

配置

• 默认配置:
  • 数据文件:
    • 分割: train
    • 路径: data/train-*

描述

该数据集源自AI4Bharat已有的数据集，使用AI4Bharat的IndicSentiment数据集创建了一个指令风格的数据集。IndicSentiment是一个用于情感分析的多语言并行数据集，包含产品评论、印度语言翻译、情感标签等。原始数据集(IndicSentiment)在cc-0许可证下发布。该数据集包含一个训练集，超过1150条数据。

模板

以下模板用于转换原始数据集:

#Template 1 prompt: Translate from English to {target_language}: {ENGLISH_REVIW}

completion: {INDIC_REVIEW}

#Template 2 prompt: Translate this sentence to {target_language}: {ENGLISH_REVIW}

completion: {INDIC_REVIEW}

#Template 3 prompt: Whats the {target_language} translation of this language: {ENGLISH_REVIW}

completion: {INDIC_REVIEW}

#Template 4 prompt: Can you translate this text to {target_language}: {ENGLISH_REVIW}

completion: {INDIC_REVIEW}