MicPie/unpredictable_cluster12

UnpredicTable-cluster12数据集是一个基于网络表格的少样本任务数据集，旨在通过微调语言模型来提高其少样本性能。数据集包含多个版本，如UnpredicTable-full、UnpredicTable-unique、UnpredicTable-5k等，每个版本都有不同的任务数量和来源。数据集的任务类型非常广泛，包括多项选择、问答、文本分类等。数据集的语言为英语，且未进行数据分割。数据集的创建目的是研究训练数据与少样本学习之间的关系。The UnpredicTable-cluster12 dataset is a web-table-focused few-shot task dataset designed to improve the few-shot learning performance of language models through fine-tuning. It includes multiple variants such as UnpredicTable-full, UnpredicTable-unique, UnpredicTable-5k, and others, where each variant has distinct task quantities and data sources. The dataset encompasses a broad range of task types, including multiple choice, question answering, text classification, and more. All data within the dataset is in English, and no data splitting has been performed. The dataset was constructed with the goal of studying the relationship between training data and few-shot learning.

原始信息汇总

数据集概述

数据集名称

• 名称: UnpredicTable-cluster12
• 别名: UnpredicTable

基本信息

• 语言: 英语
• 许可证: Apache-2.0
• 多语言性: 单语种
• 大小: 100K<n<1M

任务类型

• 任务类别:
  • 多项选择
  • 问答
  • 零样本分类
  • 文本到文本生成
  • 表格问答
  • 文本生成
  • 文本分类
  • 表格分类
• 具体任务ID:
  • 多项选择-QA
  • 抽取式QA
  • 开放域QA
  • 封闭域QA
  • 封闭书QA
  • 开放书QA
  • 语言建模
  • 多类分类
  • 自然语言推理
  • 主题分类
  • 多标签分类
  • 表格多类分类
  • 表格多标签分类

数据集结构

• 数据实例: 每个任务以jsonline文件形式表示，包含多个少样本示例。每个示例包含task, input, options, output等字段。
• 数据字段:
  • task: 任务标识符
  • input: 表格中特定行的列元素
  • options: 多选分类的选项
  • output: 与输入同行的目标列元素
  • pageTitle: 包含表格的页面标题
  • outputColName: 输出列名
  • url: 包含表格的网站URL
  • wdcFile: WDC Web Table Corpus文件
• 数据分割: 数据集未提供额外的数据分割。

数据集创建

• 来源数据: 数据集源自WDC Web Table Corpus 2015的英语关系子集，包含50,820,165个表格。
• 注释过程: 仅对特定子集进行了人工质量评级。
• 个人和敏感信息: 数据集可能包含未过滤的用户身份或敏感信息。

使用考虑

• 社会影响: 数据集用于研究训练数据与少样本学习之间的关系，不适用于决策关键或用户面对的场景。
• 偏见讨论: 数据集可能包含网络上的有害偏见和文本。

附加信息

• 数据集管理员: Jun Shern Chan, Michael Pieler, Jonathan Jao, Jérémy Scheurer, Ethan Perez
• 许可证: Apache 2.0
• 引用信息: 参见提供的文献引用。