gsarti/itacola

意大利语语言可接受性语料库（ItaCoLA）包含近10,000个来自语言学文献的句子，这些句子由原作者进行二元标注。该语料库的灵感来自英语的[语言可接受性语料库](https://nyu-mll.github.io/CoLA/)。数据集的结构包括两个配置：scores和phenomena，分别包含句子的可接受性判断和语言学现象的标注。数据集的语言为意大利语，创建者包括Daniela Trotta等人。

The Italian Language Acceptability Corpus (ItaCoLA) contains nearly 10,000 sentences sourced from linguistic literature, which were binary-labeled by their original authors. This corpus is inspired by the English Corpus of Linguistic Acceptability (CoLA) available at https://nyu-mll.github.io/CoLA/. The dataset includes two configurations: scores and phenomena, which respectively contain sentence acceptability judgments and annotations of linguistic phenomena. The dataset is in Italian, and its creators include Daniela Trotta et al.

原始信息汇总

数据集概述

数据集名称

• 名称: ItaCoLA
• 别名: Italian Corpus of Linguistic Acceptability

数据集属性

• 语言: 意大利语 (BCP-47 it)
• 许可证: 未知
• 多语言性: 单语
• 大小: 未知
• 来源: 原创
• 任务类别: 文本分类
• 任务ID: 可接受性分类

数据集描述

• 摘要: ItaCoLA包含近10,000个来自语言学文献的句子，由原作者进行二元标注。该工作灵感来源于英语的Corpus of Linguistic Acceptability。
• 支持的任务和排行榜:
  • 可接受性分类: 使用LSTM和BERT模型在训练集上进行微调，并在测试集上评估，结果包括准确率和Matthews相关系数。

数据集结构

• 数据实例:
  • 分数配置: 包含接受度评分的句子，如unique_id, source, acceptability, sentence。
  • 现象配置: 从分数配置中抽样的句子，手动标注了9种语言现象的存在与否。
• 数据分割:
  • 分数配置: 训练集7801条，测试集975条。
  • 现象配置: 训练集2088条。

数据集创建

• 创建详情: 请参阅原始文章Monolingual and Cross-Lingual Acceptability Judgments with the Italian CoLA corpus。

附加信息

• 数据集管理员: 原作者。
• 许可证信息: 无。
• 引用信息: 请在使用本数据集时引用作者。