nilc-nlp/assin2

ASSIN 2语料库由相对简单的句子组成，遵循SemEval 2014 Task 1的程序。训练和验证数据分别由6500和500个巴西葡萄牙语的句子对组成，这些句子对被注释为蕴含和语义相似性。语义相似性值范围从1到5，文本蕴含类别为蕴含或无。测试数据由大约3000个具有相同注释的句子对组成。所有数据都是手动注释的。

原始信息汇总

数据集概述

• 数据集名称: ASSIN 2
• 数据集别名: ASSIN 2
• 数据集简介: ASSIN 2 是一个包含简单句子的语料库，主要用于文本分类任务，如文本评分、自然语言推理和语义相似度评分。数据集包含训练、验证和测试三个部分，总计约9448个句子对，所有句子对均为巴西葡萄牙语，并经过人工标注。
• 语言: 葡萄牙语
• 数据集大小: 数据集总大小为1270085字节，下载大小为566733字节。
• 数据集结构: 数据集分为训练集（6500个样本）、验证集（500个样本）和测试集（2448个样本）。
• 数据集特征:
  • sentence_pair_id: 整数类型
  • premise: 字符串类型
  • hypothesis: 字符串类型
  • relatedness_score: 浮点数类型
  • entailment_judgment: 分类标签，包含NONE和ENTAILMENT两个类别

数据集详细信息

• 数据集创建: 数据集由专家生成，源数据为原创数据。

• 许可证: 许可证信息未知。

• 多语言性: 单语数据集。

• 数据集任务: 主要支持文本分类任务，包括文本评分、自然语言推理和语义相似度评分。

• 数据集样本示例:

  { "entailment_judgment": 1, "hypothesis": "Uma criança está segurando uma pistola de água", "premise": "Uma criança risonha está segurando uma pistola de água e sendo espirrada com água", "relatedness_score": 4.5, "sentence_pair_id": 1 }

数据集使用注意事项

• 许可证: 由于许可证信息未知，使用时需谨慎。
• 数据集多语言性: 数据集为单语种，仅支持葡萄牙语。
• 数据集任务: 数据集主要用于文本分类任务，包括文本评分、自然语言推理和语义相似度评分。