mteb/amazon_counterfactual

该数据集包含来自亚马逊客户评论的句子，用于反事实检测（CFD）的二元分类。反事实语句描述的是未发生或不可能发生的事件。数据集是多语言的，包含英语、德语和日语的句子。标注工作由专业语言学家完成，确保了高质量。数据集还提供了由专业语言学家制定的标注指南和定义，以及用于初始数据过滤的反事实句子典型线索词列表。

原始信息汇总

Amazon Multilingual Counterfactual Dataset 概述

数据集描述

• 语言: 包含英语（en）、德语（de）和日语（ja）。
• 内容: 该数据集包含来自亚马逊客户评论的句子，这些句子被标注用于反事实检测（CFD）二元分类。反事实语句描述未发生或不可能发生的事件。

数据集特点

• 多语言: 数据集涵盖英语、德语和日语。
• 高质量标注: 标注工作由专业语言学家完成，确保了标注质量。
• 附加资源: 提供由专业语言学家制定的标注指南和定义，以及用于初步数据筛选的反事实句子典型线索词列表。

数据集使用

• 加载方式: 可以通过以下代码加载不同语言的数据集子集： python from datasets import get_dataset_config_names

  dataset_id = "SetFit/amazon_counterfactual" configs = get_dataset_config_names(dataset_id)

  加载英语子集

  dset = load_dataset(dataset_id, name="en")

  返回的配置包括 [de, en, en-ext, ja]。