MicPie/unpredictable_cluster00

UnpredicTable数据集包含从互联网表格中提取的少样本任务，用于微调语言模型以提高其少样本性能。数据集支持多种任务类型，如多项选择、问答、文本分类等。数据集的创建基于WDC Web Table Corpus，并通过自动化流程将表格转换为少样本学习任务。数据集未进行人工标注，但部分子集进行了质量评级。数据集可能包含敏感信息，使用时需谨慎。

原始信息汇总

数据集概述

数据集名称

• 名称: UnpredicTable-cluster00
• 别名: UnpredicTable 数据集的集群子集

数据集描述

• 概述: UnpredicTable 数据集包含从网页表格中提取的少量任务，用于微调语言模型以提高其少量学习性能。
• 版本:
  • UnpredicTable-full: 包含413,299个任务，来自23,744个独特网站。
  • UnpredicTable-unique: 与UnpredicTable-full相同，但每个网站最多包含一个任务。
  • UnpredicTable-5k: 包含5,000个随机表格。
  • 基于手动人类质量评级的子集：
    • UnpredicTable-rated-low
    • UnpredicTable-rated-medium
    • UnpredicTable-rated-high
  • 基于网站来源的子集：
    • 多个特定网站的子集，如UnpredicTable-baseball-fantasysports-yahoo-com等。
  • 基于聚类的子集：
    • 多个集群子集，如UnpredicTable-cluster00至UnpredicTable-cluster29，以及UnpredicTable-cluster-noise。

支持的任务

• 任务类型:
  • 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-问答
  • 抽取式问答
  • 开放域问答
  • 封闭域问答
  • 闭书问答
  • 开书问答
  • 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

语言

• 语言: 英语

数据集结构

• 数据实例:
  • 每个任务表示为jsonline文件，包含多个少量示例。
  • 每个示例包含task, input, options, output等字段。
• 数据字段:
  • task: 任务标识符
  • input: 表格特定行的列元素
  • options: 多选项分类的选择项
  • output: 与输入同一行的目标列元素
  • 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

数据集创建

• 来源数据:
  • 数据来自WDC Web Table Corpus 2015的英语关系子集。
• 注释:
  • 仅对特定子集进行了手动注释以评估任务质量。

使用数据注意事项

• 社会影响: 数据集用于研究训练数据与少量学习之间的关系，可能包含高质量和低质量数据，以及可能不真实或不适当的内容。
• 偏见讨论: 数据集可能包含来自网络的多种有害偏见和文本，未进行分析或过滤。

许可证

• 许可证: Apache 2.0