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。

The ASSIN 2 corpus consists of relatively simple sentences, adhering to the procedures of SemEval 2014 Task 1. The training and validation datasets respectively include 6500 and 500 sentence pairs in Brazilian Portuguese, annotated for textual entailment and semantic similarity tasks. Semantic similarity scores range from 1 to 5, and the textual entailment categories are either entailment or non-entailment. The test dataset comprises approximately 3000 sentence pairs with the same annotation schema. All data were manually annotated.

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。