upb-nlp/lemi_lexical_lists

--- license: mit task_categories: - text-classification language: - ro pretty_name: Romanian Grade Word Lists size_categories: - 1K<n<10K --- # Romanian Grade Word Lists ## Dataset Description This dataset contains word lists grouped by grade level (1–4), derived from model-based difficulty predictions across multiple Romanian texts. Each word is associated with a mean grade score indicating its predicted difficulty level. ## Dataset Structure Each file corresponds to a grade level and contains the following columns: - `cuvant`: the Romanian word (token) - `grad_mediu`: mean predicted grade level for that word ### Files | File | Grade | Rows | |---|---|---| | clasa_1.csv | Grade 1 | 534 | | clasa_2.csv | Grade 2 | 2,989 | | clasa_3.csv | Grade 3 | 2,768 | | clasa_4.csv | Grade 4 | 3,545 | ## Data Usage The dataset can be used for: - lexical simplification - educational content adaptation - readability analysis in Romanian - NLP tasks involving grade-level classification ## Example ```python from datasets import load_dataset dataset = load_dataset("your-username/grade-wordlists") print(dataset) ```许可证：MIT协议 任务类别： - 文本分类 语言： - 罗马尼亚语 友好名称：罗马尼亚年级词汇表 样本量区间： - 1000 < 样本量 < 10000 # 罗马尼亚年级词汇表 ## 数据集说明 本数据集包含按年级（1至4年级）分组的词汇表，其数据源自针对多篇罗马尼亚语文本的基于模型的难度预测。每个词汇均关联一个平均年级得分，用以表征其预测的难度等级。 ## 数据集结构 每个文件对应一个年级，包含以下两列： - `cuvant`：罗马尼亚语词汇（Token） - `grad_mediu`：该词汇的预测平均年级等级得分 ### 文件说明 | 文件名 | 对应年级 | 样本行数 | |---|---|---| | clasa_1.csv | 1年级 | 534 | | clasa_2.csv | 2年级 | 2,989 | | clasa_3.csv | 3年级 | 2,768 | | clasa_4.csv | 4年级 | 3,545 | ## 数据用途 本数据集可应用于以下场景： - 词汇简化任务 - 教育内容适配 - 罗马尼亚语文本可读性分析 - 涉及年级等级分类的自然语言处理（Natural Language Processing）任务 ## 使用示例 python from datasets import load_dataset dataset = load_dataset("your-username/grade-wordlists") print(dataset)