CATIE-AQ/mtop_domain_intent_fr_prompt_intent_classification

该数据集是法语提示数据集（DFP）的一个子集，专门用于意图文本分类任务。它包含497,100行数据，原始数据来自mtop_domain数据集，仅保留了法语部分。通过应用一系列提示，构建了输入和目标列，使其格式与xP3数据集一致。数据集分为训练集、验证集和测试集，分别包含354,000、47,300和95,800个样本。

This dataset is a subset of the French Prompt Dataset (DFP), specifically tailored for intent text classification tasks. It contains 497,100 rows of data, originating from the mtop_domain dataset with only the French-language portion retained. A series of prompts were applied to construct the input and target columns, aligning the dataset's format with that of the xP3 dataset. The dataset is split into training, validation, and test sets, which hold 354,000, 47,300, and 95,800 samples respectively.

原始信息汇总

数据集概述

数据集名称: mtop_domain_intent_fr_prompt_intent_classification

语言: 法语 (fr)

数据集大小: 497,100 行

任务类型: 文本分类 (text-classification)

数据来源: 原始数据来自 mtop_domain，仅保留了法语部分。

数据处理: 应用了30个提示（prompts）来构建输入和目标列，以获得与 xP3 数据集相同的格式。

数据集内容

提示列表: 共30个提示，使用指示性语气，包括tutoiement和vouvoiement形式。

特征使用: 在提示中使用了 classes、text 和 targets 特征，其中 classes 包括 "rappel, actualités, recettes, minuterie, appel, météo, alarme, événement, musique, personne, message"。

数据集分割

• train: 354,000 样本
• valid: 47,300 样本
• test: 95,800 样本

使用方法

python from datasets import load_dataset dataset = load_dataset("CATIE-AQ/mtop_domain_intent_fr_prompt_intent_classification")

许可证

许可证: 未知

搜集汇总

数据集介绍

构建方式

该数据集源自多语言任务导向语义解析基准MTOP的法语子集，经过精心构建以服务于意图文本分类任务。原始数据取自mteb/mtop_domain数据集中的法语部分，随后基于xP3数据集的格式规范，通过应用一组30条精心设计的提示模板进行转换。这些提示以法语直陈式呈现，兼顾了“你”与“您”两种称谓形式，涵盖了从类别选择到意图识别的多样化表达。每条提示均将原始文本与类别列表相结合，形成统一的输入与目标列结构，最终生成包含497,100条样本的高质量数据集，并划分为训练集、验证集和测试集三个子集。

特点

该数据集的核心特点在于其规模宏大且结构严谨，包含近50万条样本，为意图分类任务提供了充足的数据支撑。其独特之处在于提示模板的多样性，30种不同的法语提问方式覆盖了指示、选择与识别等多种语义框架，有效增强了模型对指令变体的泛化能力。此外，数据集保留了原始MTOP中11个领域类别的法语翻译，如“rappel”、“actualités”等，确保了语义的准确性与本地化适配。这种设计不仅提升了数据集的实用性，还为研究提示工程对分类性能的影响提供了宝贵资源。

使用方法

使用方法极为简便，用户可通过Hugging Face的datasets库直接加载该数据集，仅需一行代码即可获取完整的训练、验证和测试分割。加载后，数据以标准化的文本分类格式呈现，包含输入文本与目标标签，便于直接用于微调各类预训练语言模型。研究人员可基于其提示结构，探索不同提问方式对模型推理能力的影响，或将其作为跨语言意图理解基准的一部分。该数据集还支持自定义拆分，适合进行提示敏感性分析或多任务学习实验，为自然语言处理领域的应用提供了灵活而强大的工具。

背景与挑战

背景概述

在自然语言处理领域，意图分类作为任务型对话系统的核心任务之一，其研究价值日益凸显。CATIE-AQ/mtop_domain_intent_fr_prompt_intent_classification数据集由法国阿基坦信息技术与电子中心（CATIE）于2023年创建，旨在为法语意图分类提供大规模、高质量的评测基准。该数据集基于Haoran Li等人提出的MTOP多语言任务导向语义解析基准中的法语部分，通过精心设计的30条提示模板（涵盖敬语与平语形式）进行数据增强，最终构建了包含497,100条样本的文本分类数据集。研究团队遵循xP3数据集的格式规范，将原始领域标签（如提醒、新闻、食谱等11个类别）进行法语本地化处理，形成了兼具语言多样性与任务聚焦性的训练资源。该数据集的出现填补了法语意图分类领域大规模标注数据的空白，为多语言自然语言理解研究提供了重要的数据支撑。

当前挑战

该数据集所解决的领域挑战主要在于法语意图分类任务中数据稀缺性与语言特异性问题。传统意图分类数据集多集中于英语，而法语作为屈折语，其动词变位、敬语体系（tu/vous）及词汇形态变化对模型泛化能力构成严峻考验。具体而言，研究团队面临三大构建挑战：其一，原始MTOP法语数据仅有基础领域标签，需通过30种提示模板进行语义扩展，但模板设计需兼顾语法正确性与任务适配性，避免引入歧义；其二，标签本地化过程中需处理跨语言映射问题，如英文'reminder'对应法语'rappel'时存在一词多义现象；其三，数据增强后需保持类别平衡，确保497,100条样本中11个类别的分布合理，同时验证不同提示模板对模型性能的影响，避免模板偏差导致评测失真。

常用场景

经典使用场景

在任务导向型对话系统的研究中，意图识别是核心环节之一。mtop_domain_intent_fr_prompt_intent_classification数据集专为法语文本的意图分类任务而设计，其经典使用场景在于评估和微调多语言预训练语言模型在法语领域的意图理解能力。该数据集通过精心构造的30种提示模板，将原始的多领域意图标注数据转化为指令式学习格式，使得模型能够在给定类别列表的条件下，精准判别用户查询所属的意图类别，从而为法语任务导向型对话系统的研发提供了标准化的评测基准。

解决学术问题

该数据集有效解决了法语任务导向语义解析中意图标注数据匮乏的学术难题。长期以来，法语等低资源语言在意图识别领域的研究受限于高质量标注语料的稀缺。mtop_domain_intent_fr_prompt_intent_classification通过整合MTOP多语言基准中的法语部分，并引入多样化的提示工程策略，不仅扩充了训练样本规模至近50万条，还模拟了真实场景下的多种提问方式，从而缓解了模型对固定模板的过拟合问题。这一工作推动了跨语言意图识别技术的进步，为构建鲁棒性更强的多语言对话系统奠定了数据基础。

衍生相关工作

该数据集衍生了一系列关于提示学习与跨语言迁移的经典研究工作。其中，基于其提示模板框架，研究者们探索了不同提示风格（如直陈式与命令式）对意图分类性能的影响，并发展了针对法语的特化提示优化策略。此外，该数据集还被用于评估大型语言模型在零样本或少样本场景下的法语意图理解能力，催生了关于指令微调与任务适配的对比分析。这些工作共同丰富了多语言自然语言处理领域在提示工程与意图识别交叉方向上的理论体系。