adlbh/factuality-prediction-dataset

该数据集由H. Kilicoglu等人构建，用于预测文本中关于某个事件/三元组的事实性。每个三元组由主语-谓语-宾语组成，并包含每个三元组在句子中的位置、原始句子以及用特殊字符标记这些位置的掩码句子。数据集还包含了由H. Kilicoglu等人分配的事实性值。句子来自PubMed生物医学摘要。数据集的事实性类别属于H. Kilicoglu等人引入的事实性量表，包括Counterfact、Doubtful、Possible、Probable、Certain等不同确定性级别，以及Uncommitted和Conditional表示缺乏表达事实性的信息。

原始信息汇总

数据集概述

数据集特征

• factuality_value: 字符串类型
• predicat@xml:space: 字符串类型
• predicat@charOffset: 字符串类型
• predicat@headOffset: 字符串类型
• predicat@id: 字符串类型
• predicat@text: 字符串类型
• predicat@type: 字符串类型
• predicat@charOffsetMin: 整数类型
• predicat@charOffsetMax: 整数类型
• subject@xml:space: 字符串类型
• subject@charOffset: 字符串类型
• subject@headOffset: 字符串类型
• subject@id: 字符串类型
• subject@text: 字符串类型
• subject@type: 字符串类型
• subject@charOffsetMin: 整数类型
• subject@charOffsetMax: 整数类型
• object@xml:space: 字符串类型
• object@charOffset: 字符串类型
• object@headOffset: 字符串类型
• object@id: 字符串类型
• object@text: 字符串类型
• object@type: 字符串类型
• object@charOffsetMin: 整数类型
• object@charOffsetMax: 整数类型
• id: 字符串类型
• raw_sent_text: 字符串类型
• sent_charOffset: 字符串类型
• sent_charOffsetMin: 整数类型
• sent_charOffsetMax: 整数类型
• formated_sentence: 字符串类型

数据集划分

• 训练集: 3149个样本，大小为2278527字节
• 测试集: 2179个样本，大小为1559577字节

数据集大小

• 下载大小: 1308178字节
• 数据集总大小: 3838104字节

任务类别

• 文本分类

数据集描述

• 该数据集用于预测文本中关于特定事件/三元组的事实性表达。
• 每个三元组由主语-谓语-宾语组成。
• 数据集包含每个三元组在句子中的位置、原始句子和标记位置的掩码句子。
• 数据集还包含由H. Kilicoglu等人分配的事实性值。
• 句子来源于PubMed生物医学摘要。
• 事实性类别属于由H. Kilicoglu等人引入的事实性尺度。

主要任务

• 事实性分类