agentlans/english-grammaticality

English Grammaticality Dataset包含由母语者评定的英语句子及其语法得分。该数据集由两个其他数据集组合而成，包含7350个句子，每个句子以JSONLines格式表示，包含text、score和source三个字段。text字段为英语句子，score字段为母语者评定的语法得分，范围为0到4，source字段表示句子来源。数据集可用于训练语法检查器、分析句子语法性以及理解英语语法性的影响因素。然而，数据集规模较小，语法得分基于母语者的判断，可能与正式语法规则不完全一致，且句子在语法性水平和用例上不平衡。

原始信息汇总

English Grammaticality Dataset 概述

数据集基本信息

• 许可证: cc
• 任务类别: 文本分类
• 语言: 英语
• 数据集大小: 1K<n<10K

数据集内容

• 组成: 包含7350个英语句子，每个句子以JSONLines格式存储，包含以下字段：
  • text: 英语句子
  • score: 句子语法正确性的平均评分，评分范围0到4，由6或5位母语者评定
  • source: 句子来源，可能是gug-data或tmu_gfm
• 测试集: 随机选取800行作为测试集

数据集用途

• 训练语法检查器
• 分析文本中句子的语法正确性
• 理解影响英语语法正确性的因素

数据集限制

• 数据集较小，仅包含7350个句子
• 语法评分基于母语者判断，可能不完全符合正式语法规则
• 数据集中的句子在所有语法水平和使用场景上不平衡