vikas-mehta-cohere-health/sample

该数据集是通过Argilla创建的，包含一个配置文件、数据集记录以及注释指南。数据集的结构包括字段、问题、建议和指南。字段是数据集记录本身，目前仅支持文本字段。问题是向注释者提出的问题，可以是评分、文本、单选或多选类型。建议是为注释者提供的辅助信息，以简化或协助注释过程。数据集可以用于不同的NLP任务，具体取决于配置。数据集的加载可以通过Argilla或HuggingFace的`datasets`库进行。

原始信息汇总

数据集卡片样本

数据集描述

• 主页: https://argilla.io
• 仓库: https://github.com/argilla-io/argilla
• 论文:
• 排行榜:
• 联系人:

数据集概述

该数据集包含：

• 符合Argilla数据集格式的配置文件argilla.yaml。该配置文件将在使用Argilla的FeedbackDataset.from_huggingface方法时用于配置数据集。

• 与HuggingFace datasets兼容的数据集记录。这些记录在使用FeedbackDataset.from_huggingface时会自动加载，也可以通过datasets库独立加载。

• 用于构建和整理数据集的标注指南（如果在Argilla中定义了）。

使用Argilla加载

安装Argilla并使用以下代码加载数据集：

python import argilla as rg

ds = rg.FeedbackDataset.from_huggingface("vikas-mehta-cohere-health/sample")

使用datasets加载

安装datasets库并使用以下代码加载数据集：

python from datasets import load_dataset

ds = load_dataset("vikas-mehta-cohere-health/sample")

支持的任务和排行榜

该数据集可以包含多个字段、问题和响应，因此可以用于不同的NLP任务，具体取决于配置。数据集结构在数据集结构部分中描述。

该数据集没有关联的排行榜。

语言

[更多信息需要]

数据集结构

Argilla中的数据

数据集在Argilla中创建，包含：字段、问题、建议和指南。

字段是数据集记录本身，目前仅支持文本字段。这些字段将用于提供对问题的响应。

字段名称	标题	类型	必填	Markdown
text	文本	TextField	True	False

问题是向标注者提出的问题。它们可以是不同类型，如评分、文本、单选或多选。

问题名称	标题	类型	必填	描述	值/标签
sentiment	情感	LabelQuestion	True	N/A	[positive, neutral, negative]
mixed-emotion	混合情感	MultiLabelQuestion	True	N/A	[joy, anger, sadness, fear, surprise, love]

✨ NEW 此外，我们还有建议，这些建议与现有问题相关联，并命名为"-suggestion"和"-suggestion-metadata"，包含建议的值及其元数据。可能的值与上表相同。

最后，指南是一个纯字符串，可用于向标注者提供指令。请参阅标注指南部分。

数据实例

Argilla中的数据集实例示例如下：

json { "fields": { "text": "i didnt feel humiliated" }, "metadata": {}, "responses": [ { "status": "submitted", "user_id": "ca1b15e8-a86c-4cdf-8783-45d3ee4912f4", "values": { "mixed-emotion": { "value": [ "fear", "surprise" ] }, "sentiment": { "value": "positive" } } } ], "suggestions": [] }

HuggingFace datasets中的相同记录如下：

json { "external_id": null, "metadata": "{}", "mixed-emotion": [ { "status": "submitted", "user_id": "ca1b15e8-a86c-4cdf-8783-45d3ee4912f4", "value": [ "fear", "surprise" ] } ], "mixed-emotion-suggestion": null, "mixed-emotion-suggestion-metadata": { "agent": null, "score": null, "type": null }, "sentiment": [ { "status": "submitted", "user_id": "ca1b15e8-a86c-4cdf-8783-45d3ee4912f4", "value": "positive" } ], "sentiment-suggestion": null, "sentiment-suggestion-metadata": { "agent": null, "score": null, "type": null }, "text": "i didnt feel humiliated" }

数据字段

数据集字段包括：

• 字段: 这些是数据集记录本身，目前仅支持文本字段。这些字段将用于提供对问题的响应。

  • text 是 TextField 类型。

• 问题: 这些是向标注者提出的问题。它们可以是不同类型，如 RatingQuestion、TextQuestion、LabelQuestion、MultiLabelQuestion 和 RankingQuestion。

  • sentiment 是 LabelQuestion 类型，允许值为 [positive, neutral, negative]。
  • mixed-emotion 是 MultiLabelQuestion 类型，允许值为 [joy, anger, sadness, fear, surprise, love]。

• ✨ NEW 建议: 自Argilla 1.13.0起，建议已包含在内，以向标注者提供建议，以简化或协助标注过程。建议与现有问题相关联，始终是可选的，并且不仅包含建议本身，还包含其相关元数据（如果适用）。

  • (可选) sentiment-suggestion 是 label_selection 类型，允许值为 [positive, neutral, negative]。
  • (可选) mixed-emotion-suggestion 是 multi_label_selection 类型，允许值为 [joy, anger, sadness, fear, surprise, love]。

此外，还有一个可选字段：

• external_id: 这是一个可选字段，可用于为数据集记录提供外部ID。如果您希望将数据集记录链接到外部资源（如数据库或文件），这可能很有用。

数据分割

数据集包含一个分割，即 train。

数据集创建

整理理由

[更多信息需要]

源数据

初始数据收集和规范化

[更多信息需要]

源语言生产者是谁？

[更多信息需要]

标注

标注指南

情感数据集包含六种基本情绪的英语Twitter消息：愤怒、恐惧、喜悦、爱、悲伤和惊讶。

标注过程

[更多信息需要]

标注者是谁？

[更多信息需要]

个人和敏感信息

[更多信息需要]

使用数据的注意事项

数据集的社会影响

[更多信息需要]

讨论偏差

[更多信息需要]

其他已知限制

[更多信息需要]

附加信息

数据集策展人

[更多信息需要]

许可信息

[更多信息需要]

引用信息

[更多信息需要]

贡献

[更多信息需要]