EleutherAI/CEBaB

CEBaB是一个反事实餐厅评论数据集的轻量级清理和简化版本。与原始数据集的主要区别在于，`rating`列对应于Mechanical Turkers提供的中位数评分，而不是多数评分。当存在多数评分时，两者相同；但当没有多数评分时，原始数据集使用`no majority`占位符，而此版本能够为所有评论提供聚合评分。数据集包含多个特征，如`original_id`、`edit_goal`、`edit_type`、`text`、`food`、`ambiance`、`service`、`noise`、`counterfactual`和`rating`，并分为训练集、验证集和测试集。

CEBaB is a lightweight cleaned and simplified version of the counterfactual restaurant review dataset. The primary distinction between this variant and the original dataset is that the `rating` column corresponds to the median rating provided by Mechanical Turkers, rather than the majority vote. When a majority rating exists, the two versions yield identical results; however, when no majority rating is present, the original dataset uses the `no majority` placeholder, while this version provides aggregated ratings for all reviews. The dataset includes multiple features such as `original_id`, `edit_goal`, `edit_type`, `text`, `food`, `ambiance`, `service`, `noise`, `counterfactual`, and `rating`, and is split into training, validation, and test sets.

原始信息汇总

数据集概述

数据集信息

• 特征列表：

  • original_id: 数据类型为 int32
  • edit_goal: 数据类型为 string
  • edit_type: 数据类型为 string
  • text: 数据类型为 string
  • food: 数据类型为 string
  • ambiance: 数据类型为 string
  • service: 数据类型为 string
  • noise: 数据类型为 string
  • counterfactual: 数据类型为 bool
  • rating: 数据类型为 int64

• 数据集划分：

  • validation: 字节数为 306529，样本数为 1673
  • test: 字节数为 309751，样本数为 1689
  • train: 字节数为 2282439，样本数为 11728

• 数据集大小：

  • 下载大小：628886 字节
  • 数据集大小：2898719 字节

任务类别

• 文本分类

语言

• 英语