davidadamczyk/agree

---
license: mit
dataset_info:
features:
- name: text
dtype: string
splits:
- name: train
num_bytes: 919425780
num_examples: 9900000
- name: eval_expanded_char
num_bytes: 3160159
num_examples: 17940
- name: valid_q
num_bytes: 9253945
num_examples: 99000
- name: valid
num_bytes: 9202105
num_examples: 99000
- name: eval
num_bytes: 91270
num_examples: 996
- name: eval_q
num_bytes: 91801
num_examples: 996
download_size: 703700973
dataset_size: 941225060
---

# Dataset Card for Dataset Agree

[link](https://nlp.fi.muni.cz/~xbaisa/agree/)

This dataset card aims to be a base template for new datasets. It has been generated using [this raw template](https://github.com/huggingface/huggingface_hub/blob/main/src/huggingface_hub/templates/datasetcard_template.md?plain=1).

## Dataset Details

### Dataset Description

<!-- Provide a longer summary of what this dataset is. -->

- **Curated by:** [More Information Needed]
- **Funded by [optional]:** [More Information Needed]
- **Shared by [optional]:** [More Information Needed]
- **Language(s) (NLP):** [More Information Needed]
- **License:** [More Information Needed]

### Dataset Sources [optional]

<!-- Provide the basic links for the dataset. -->

- **Repository:** [More Information Needed]
- **Paper [optional]:** [More Information Needed]
- **Demo [optional]:** [More Information Needed]

## Uses

<!-- Address questions around how the dataset is intended to be used. -->

### Direct Use

<!-- This section describes suitable use cases for the dataset. -->

[More Information Needed]

### Out-of-Scope Use

<!-- This section addresses misuse, malicious use, and uses that the dataset will not work well for. -->

[More Information Needed]

## Dataset Structure

<!-- This section provides a description of the dataset fields, and additional information about the dataset structure such as criteria used to create the splits, relationships between data points, etc. -->

[More Information Needed]

## Dataset Creation

### Curation Rationale

<!-- Motivation for the creation of this dataset. -->

[More Information Needed]

### Source Data

<!-- This section describes the source data (e.g. news text and headlines, social media posts, translated sentences, ...). -->

#### Data Collection and Processing

<!-- This section describes the data collection and processing process such as data selection criteria, filtering and normalization methods, tools and libraries used, etc. -->

[More Information Needed]

#### Who are the source data producers?

<!-- This section describes the people or systems who originally created the data. It should also include self-reported demographic or identity information for the source data creators if this information is available. -->

[More Information Needed]

### Annotations [optional]

<!-- If the dataset contains annotations which are not part of the initial data collection, use this section to describe them. -->

#### Annotation process

<!-- This section describes the annotation process such as annotation tools used in the process, the amount of data annotated, annotation guidelines provided to the annotators, interannotator statistics, annotation validation, etc. -->

[More Information Needed]

#### Who are the annotators?

<!-- This section describes the people or systems who created the annotations. -->

[More Information Needed]

#### Personal and Sensitive Information

<!-- State whether the dataset contains data that might be considered personal, sensitive, or private (e.g., data that reveals addresses, uniquely identifiable names or aliases, racial or ethnic origins, sexual orientations, religious beliefs, political opinions, financial or health data, etc.). If efforts were made to anonymize the data, describe the anonymization process. -->

[More Information Needed]

## Bias, Risks, and Limitations

<!-- This section is meant to convey both technical and sociotechnical limitations. -->

[More Information Needed]

### Recommendations

<!-- This section is meant to convey recommendations with respect to the bias, risk, and technical limitations. -->

Users should be made aware of the risks, biases and limitations of the dataset. More information needed for further recommendations.

## Citation [optional]

<!-- If there is a paper or blog post introducing the dataset, the APA and Bibtex information for that should go in this section. -->

**BibTeX:**

[More Information Needed]

**APA:**

[More Information Needed]

## Glossary [optional]

<!-- If relevant, include terms and calculations in this section that can help readers understand the dataset or dataset card. -->

[More Information Needed]

## More Information [optional]

[More Information Needed]

## Dataset Card Authors [optional]

[More Information Needed]

## Dataset Card Contact

[More Information Needed]

---
license: 麻省理工学院许可证（MIT）
dataset_info:
features:
- name: 文本（text）
dtype: 字符串（string）
splits:
- name: 训练集（train）
num_bytes: 919425780
num_examples: 9900000
- name: 扩展字符评估集（eval_expanded_char）
num_bytes: 3160159
num_examples: 17940
- name: 验证集Q（valid_q）
num_bytes: 9253945
num_examples: 99000
- name: 验证集（valid）
num_bytes: 9202105
num_examples: 99000
- name: 评估集（eval）
num_bytes: 91270
num_examples: 996
- name: 评估集Q（eval_q）
num_bytes: 91801
num_examples: 996
download_size: 703700973
dataset_size: 941225060
---

# 数据集卡片：Agree数据集

[链接](https://nlp.fi.muni.cz/~xbaisa/agree/)

本数据集卡片旨在作为新建数据集的基础模板，其基于[该原始模板](https://github.com/huggingface/huggingface_hub/blob/main/src/huggingface_hub/templates/datasetcard_template.md?plain=1)生成。

## 数据集详情

### 数据集概述

<!-- 请提供该数据集的详细总结。 -->

- **数据整理方：** [需补充更多信息]
- **资助方（可选）：** [需补充更多信息]
- **共享方（可选）：** [需补充更多信息]
- **自然语言处理所用语言：** [需补充更多信息]
- **许可证：** [需补充更多信息]

### 数据集来源（可选）

<!-- 请提供该数据集的基础链接信息。 -->

- **代码仓库：** [需补充更多信息]
- **相关论文（可选）：** [需补充更多信息]
- **演示项目（可选）：** [需补充更多信息]

## 数据集用途

<!-- 请阐述该数据集的预期使用场景相关问题。 -->

### 直接用途

<!-- 本节描述该数据集的适用使用场景。 -->

[需补充更多信息]

### 超出适用范围的用途

<!-- 本节阐述误用、恶意使用，以及该数据集无法良好适配的使用场景。 -->

[需补充更多信息]

## 数据集结构

<!-- 本节描述数据集的字段信息，以及额外的数据集结构相关细节，例如数据拆分的创建标准、数据点间的关联关系等。 -->

[需补充更多信息]

## 数据集构建

### 整理动因

<!-- 阐述创建该数据集的动机。 -->

[需补充更多信息]

### 源数据

<!-- 本节描述源数据的相关信息（例如新闻文本与标题、社交媒体帖文、译句等）。 -->

#### 数据收集与处理

<!-- 本节描述数据收集与处理流程，例如数据选择标准、过滤与归一化方法、所用工具与库等。 -->

[需补充更多信息]

#### 源数据生产者是谁？

<!-- 本节描述最初创建该数据的个人或系统。若可获取源数据创建者的自我报告人口统计或身份信息，也应在此处说明。 -->

[需补充更多信息]

### 标注信息（可选）

<!-- 若数据集包含初始数据收集之外的标注信息，请使用本节描述相关内容。 -->

#### 标注流程

<!-- 本节描述标注流程，例如过程中使用的标注工具、标注数据量、提供给标注人员的标注指南、标注者间统计数据、标注验证方式等。 -->

[需补充更多信息]

#### 标注人员是谁？

<!-- 本节描述创建标注信息的个人或系统。 -->

[需补充更多信息]

#### 个人与敏感信息

<!-- 说明该数据集是否包含可被视为个人、敏感或隐私的数据（例如披露地址、唯一可识别姓名或别名、种族或族裔出身、性取向、宗教信仰、政治观点、财务或健康数据等）。若曾对数据进行匿名化处理，请描述匿名化流程。 -->

[需补充更多信息]

## 偏差、风险与局限性

<!-- 本节旨在阐述技术与社会技术层面的局限性。 -->

[需补充更多信息]

### 建议

<!-- 本节旨在针对数据集的偏差、风险与技术局限性提出建议。 -->

使用者应知晓该数据集存在的风险、偏差与局限性。进一步的建议需补充更多信息后方可提出。

## 引用信息（可选）

<!-- 若有介绍该数据集的论文或博客文章，此处应包含其APA与BibTeX格式的引用信息。 -->

**BibTeX格式：**

[需补充更多信息]

**APA格式：**

[需补充更多信息]

## 术语表（可选）

<!-- 若有需要，请在本节包含可帮助读者理解数据集或数据集卡片的术语与计算公式。 -->

[需补充更多信息]

## 更多信息（可选）

[需补充更多信息]

## 数据集卡片撰写者（可选）

[需补充更多信息]

## 数据集卡片联系人

[需补充更多信息]

原始信息汇总

数据集概述

数据集基本信息

• 名称: Dataset Agree
• 许可证: MIT

数据集特征

• 特征名称: text
• 数据类型: string

数据集分割

• 训练集 (train):
  • 样本数量: 9900000
  • 数据大小: 919425780 bytes
• 评估集 (eval_expanded_char):
  • 样本数量: 17940
  • 数据大小: 3160159 bytes
• 验证集 (valid_q):
  • 样本数量: 99000
  • 数据大小: 9253945 bytes
• 验证集 (valid):
  • 样本数量: 99000
  • 数据大小: 9202105 bytes
• 评估集 (eval):
  • 样本数量: 996
  • 数据大小: 91270 bytes
• 评估集 (eval_q):
  • 样本数量: 996
  • 数据大小: 91801 bytes

数据集大小

• 下载大小: 703700973 bytes
• 数据集总大小: 941225060 bytes