CLARIN-PL/wrbsc

WUT句子关系语料库包含2827对相关的句子。这些句子的关系来源于跨文档结构理论（CST），用于通过识别相关文档集群中的跨文档修辞关系来实现多文档摘要。每个关系至少由3个注释者标记。数据集的语言为波兰语，任务类别为文本分类，具体任务为语义相似性分类。数据集的特性包括两个句子（sentence1和sentence2）以及它们之间的关系（relationship），关系共有16种类别。数据集只有一个训练集，大小为2827个实例。

The WUT Sentence Relation Corpus contains 2827 pairs of related sentences. The relations between these sentences are derived from Cross-Document Structure Theory (CST), which is used for multi-document summarization by identifying cross-document rhetorical relations within clusters of relevant documents. Each relation is annotated by at least three annotators. The corpus is in Polish, and its task category is text classification, specifically semantic similarity classification. The dataset features two sentences (sentence1 and sentence2) along with their relationship, which falls into 16 distinct categories. There is only one training split, consisting of 2827 instances in total.

原始信息汇总

数据集概述

数据集名称

• 名称: WUT Relations Between Sentences Corpus (wrbsc)

数据集基本信息

• 语言: 波兰语 (pl)
• 许可证: CC BY-SA 3.0
• 多语言性: 单语种
• 数据集大小: 1K<n<10K
• 源数据: 原始数据
• 任务类别: 文本分类
• 任务ID: 语义相似性分类

数据集结构

• 特征:
  • sentence1: 字符串类型
  • sentence2: 字符串类型
  • relationship: 分类标签，包含16种关系类型
• 数据分割:
  • train: 2827个实例，数据大小779881字节

数据集创建

• 许可证信息: Attribution-ShareAlike 3.0 Unported (CC BY-SA 3.0)
• 贡献者: @kldarek

搜集汇总

背景与挑战

背景概述

该数据集是WUT句子关系语料库，包含2827对波兰语句子，用于研究句子间的语义关系分类。基于跨文档结构理论（CST），它定义了16种关系类型（如矛盾、总结、引用等），每对句子由至少3名标注者标记，适用于文本分类任务，特别是语义相似性分析。