chart-misinformation-detection/bar_graph_improved_captioning

I refined the llm prompt to produce more focused captions for bar graphs. Also used an llm to generate datasets across various domains.

---
dataset_info:
features:
- name: id
dtype: string
- name: image
dtype: image
- name: title
dtype: string
- name: caption
dtype: string
- name: chart_type
dtype: string
- name: domain
dtype: string
- name: is_misleading
dtype:
class_label:
names:
'0': 'No'
'1': 'Yes'
- name: misleading_feature
dtype: string
splits:
- name: train
num_bytes: 61368636.0
num_examples: 448
- name: validation
num_bytes: 7586895.0
num_examples: 56
- name: test
num_bytes: 7814668.0
num_examples: 56
download_size: 64731351
dataset_size: 76770199.0
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: validation
path: data/validation-*
- split: test
path: data/test-*
---

笔者优化了大语言模型（Large Language Model, LLM）的提示词，以生成更贴合柱状图的精准说明文本。同时借助大语言模型生成了覆盖多领域的数据集。
---
数据集信息：
特征字段：
- 字段名：id，数据类型：字符串
- 字段名：image，数据类型：图像
- 字段名：title，数据类型：字符串
- 字段名：caption，数据类型：字符串
- 字段名：chart_type，数据类型：字符串
- 字段名：domain，数据类型：字符串
- 字段名：is_misleading，数据类型：类别标签，类别映射：0对应‘否’，1对应‘是’
- 字段名：misleading_feature，数据类型：字符串
数据集划分：
- 划分名称：train（训练集），占用字节数：61368636.0，样本数量：448
- 划分名称：validation（验证集），占用字节数：7586895.0，样本数量：56
- 划分名称：test（测试集），占用字节数：7814668.0，样本数量：56
下载总大小：64731351
数据集总大小：76770199.0
配置项：
- 配置名称：default（默认配置），数据文件对应如下：
- 训练集：data/train-*
- 验证集：data/validation-*
- 测试集：data/test-*
---