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。

This dataset contains sentences sourced from Amazon customer reviews, intended for binary classification tasks in counterfactual detection (CFD). Counterfactual statements describe events that have not occurred or are impossible to take place. The dataset is multilingual, covering sentences in English, German, and Japanese. All annotations were completed by professional linguists, ensuring high data quality. Additionally, the dataset provides annotation guidelines and definitions developed by professional linguists, along with a list of typical cue words for counterfactual sentences utilized in initial data filtering.

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]。