dwadden/healthver_entailment

HealthVer是一个包含公共健康声明的数据集，这些声明与科学研究文章进行验证。数据集的预处理遵循MultiVerS建模论文的方法，验证声明时使用完整的文章摘要而非单个句子。数据集包含训练、验证和测试三个部分，分别包含5292、940和903个样本。数据字段包括声明ID、声明、摘要ID、标题、摘要、事实核查结论和证据。

原始信息汇总

数据集概述

数据集摘要

HealthVer 是一个关于公共卫生声明的数据集，这些声明通过科学研究文章进行验证。在这个版本的数据集中，我们遵循 MultiVerS 建模论文的预处理方法，验证声明与全文摘要而不是单个句子。包含蕴含标签和理由。

数据集结构

数据字段

• claim_id: 声明的标识符，类型为 int32。
• claim: 声明内容，类型为 string。
• abstract_id: 摘要的标识符，类型为 int32。
• title: 文章标题，类型为 string。
• abstract: 摘要中的句子列表，每个句子为一个 string。
• verdict: 事实核查的结论，类型为 string。
• evidence: 摘要中提供证据支持结论的句子列表，类型为 int32。

数据集信息

• 特征:

  • claim_id: 类型为 int32。
  • claim: 类型为 string。
  • abstract_id: 类型为 int32。
  • title: 类型为 string。
  • abstract: 类型为 string 的序列。
  • verdict: 类型为 string。
  • evidence: 类型为 int32 的序列。

• 分割:

  • train: 字节数为 9490482，样本数为 5292。
  • validation: 字节数为 1707997，样本数为 940。
  • test: 字节数为 1620257，样本数为 903。

• 下载大小: 3610222 字节。

• 数据集大小: 12818736 字节。