MangoHiller/race_all_fr
收藏资源简介：
--- license: other license_name: other license_link: LICENSE language: - fr multilinguality: - monolingual source_datasets: - https://huggingface.co/datasets/race pretty_name: RACE_fr size_categories: - 10K<n<100K task_categories: - multiple-choice task_ids: - multiple-choice-qa --- # Dataset Card for "race_all_fr" ## Table of Contents - [Dataset Description](#dataset-description) - [Dataset Summary](#dataset-summary) - [Supported Tasks and Leaderboards](#supported-tasks-and-leaderboards) - [Languages](#languages) - [Dataset Structure](#dataset-structure) - [Data Instances](#data-instances) - [Data Fields](#data-fields) - [Data Splits](#data-splits) - [Dataset Creation](#dataset-creation) - [Curation Rationale](#curation-rationale) - [Source Data](#source-data) - [Annotations](#annotations) - [Personal and Sensitive Information](#personal-and-sensitive-information) - [Considerations for Using the Data](#considerations-for-using-the-data) - [Social Impact of Dataset](#social-impact-of-dataset) - [Discussion of Biases](#discussion-of-biases) - [Other Known Limitations](#other-known-limitations) - [Additional Information](#additional-information) - [Dataset Curators](#dataset-curators) - [Licensing Information](#licensing-information) - [Citation Information](#citation-information) - [Contributions](#contributions) ## Dataset Description - **Homepage:** [Original Dataset Homepage](http://www.cs.cmu.edu/~glai1/data/race/) - **Repository:** [Translated Dataset on Hugging Face](https://huggingface.co/datasets/race_all_fr) - **Paper:** [Original Dataset Paper](https://arxiv.org/abs/1704.04683) - **Leaderboard:** [Original Dataset Leaderboard](https://paperswithcode.com/dataset/race) ### Dataset Summary `race_all_fr` est la version française du dataset [RACE](https://huggingface.co/datasets/race), un large dataset de compréhension de lecture comprenant plus de 28 000 passages et près de 100 000 questions. Le dataset original, conçu pour les étudiants des écoles secondaires et des collèges en Chine, a été traduit en français pour étendre son accessibilité et permettre des recherches en compréhension de lecture dans d'autres langues. ### Supported Tasks and Leaderboards Les tâches et classements supportés restent identiques à ceux du dataset original RACE, adaptés pour la langue française. ### Languages Le dataset est entièrement en français. ## Dataset Structure ### Data Instances Les instances de données sont structurées de manière identique à celles du dataset original RACE, mais traduites en français. ### Data Fields - `example_id`: un identifiant unique pour chaque exemple. - `article`: le texte de l'article sur lequel se base les questions. - `question`: la question posée. - `options`: les quatre options de réponse fournies, où seulement une est correcte. - `answer`: la lettre correspondant à la réponse correcte parmi les options. ### Data Splits La répartition des données (train/validation/test) est la même que celle du dataset RACE original. ## Dataset Creation ### Curation Rationale Ce dataset a été créé pour étendre les ressources disponibles pour la recherche en traitement automatique des langues (TAL) en français, spécifiquement pour la compréhension de la lecture. ### Source Data #### Initial Data Collection and Normalization Les données sources sont identiques à celles du dataset RACE, mais ont été traduites en français. ### Annotations Les annotations restent inchangées par rapport à l'original, à l'exception de la langue. ### Personal and Sensitive Information Les considérations sont les mêmes que pour le dataset RACE original. ## Considerations for Using the Data ### Social Impact of Dataset La traduction de datasets en différentes langues est cruciale pour rendre la recherche en TAL accessible plus largement et pour permettre l'entraînement de modèles multilingues. ### Discussion of Biases [More Information Needed] ### Other Known Limitations [More Information Needed] ## Additional Information Dataset traduit à l'aide de [Large_dataset_translator](https://github.com/vTuanpham/Large_dataset_translator) et l'API Google Translate. ### Licensing Information Les mêmes licences que le dataset RACE original s'appliquent. Veuillez consulter le [lien suivant](http://www.cs.cmu.edu/~glai1/data/race/) pour plus d'informations. ### Citation Information Veuillez citer le papier original du dataset RACE lors de l'utilisation de `race_all_fr` : ```bibtex @inproceedings{lai-etal-2017-race, title = "{RACE}: Large-scale {R}e{A}ding Comprehension Dataset From Examinations", author = "Lai, Guokun and Xie, Qizhe and Liu, Hanxiao and Yang, Yiming and Hovy, Eduard", booktitle = "Proceedings of the 2017 Conference on Empirical Methods in Natural Language Processing", month = sep, year = "2017", address = "Copenhagen, Denmark", publisher = "Association for Computational Linguistics", url = "https://aclanthology.org/D17-1082", doi = "10.18653/v1/D17-1082", pages = "785--794", } ``` ### Contributions La traduction de ce dataset a été réalisée par [@MangoHiller](https://huggingface.co/MangoHiller). Pour les contributions originales, veuillez vous référer au dépôt GitHub du dataset RACE : [https://github.com/qizhex/RACE_AR_baselines](https://github.com/qizhex/RACE_AR_baselines).
--- license: 其他 license_name: 其他 license_link: LICENSE language: - 法语(fr) multilinguality: - 单语言 source_datasets: - https://huggingface.co/datasets/race pretty_name: RACE_fr size_categories: - 10K<n<100K task_categories: - 多项选择 task_ids: - 多项选择问答 --- # 「race_all_fr」数据集卡片 ## 目录 - [数据集描述](#dataset-description) - [数据集摘要](#dataset-summary) - [支持任务与排行榜](#supported-tasks-and-leaderboards) - [语言](#languages) - [数据集结构](#dataset-structure) - [数据实例](#data-instances) - [数据字段](#data-fields) - [数据划分](#data-splits) - [数据集构建](#dataset-creation) - [构建初衷](#curation-rationale) - [源数据](#source-data) - [标注信息](#annotations) - [个人与敏感信息](#personal-and-sensitive-information) - [数据集使用注意事项](#considerations-for-using-the-data) - [数据集的社会影响](#social-impact-of-dataset) - [偏差讨论](#discussion-of-biases) - [其他已知局限性](#other-known-limitations) - [附加信息](#additional-information) - [数据集维护者](#dataset-curators) - [许可信息](#licensing-information) - [引用信息](#citation-information) - [贡献](#contributions) ## 数据集描述 - **主页：** [原始数据集主页](http://www.cs.cmu.edu/~glai1/data/race/) - **代码仓库：** [Hugging Face上的翻译数据集](https://huggingface.co/datasets/race_all_fr) - **论文：** [原始数据集论文](https://arxiv.org/abs/1704.04683) - **排行榜：** [原始数据集排行榜](https://paperswithcode.com/dataset/race) ### 数据集摘要 `race_all_fr` 是数据集[RACE](https://huggingface.co/datasets/race)的法语版本，这是一个大型阅读理解数据集，包含超过28000篇文章和近100000道题目。原始数据集专为中国初高中学生设计，现已被翻译成法语，以提升其可访问性，并推动其他语言的阅读理解研究。 ### 支持任务与排行榜 所支持的任务与排行榜与原始RACE数据集一致，仅适配法语语言环境。 ### 语言 本数据集全部采用法语。 ## 数据集结构 ### 数据实例 数据实例的结构与原始RACE数据集完全一致，仅内容已被译为法语。 ### 数据字段 - `example_id`：每个数据实例的唯一标识符。 - `article`：作为问题依据的文章文本。 - `question`：提出的问题。 - `options`：提供的四个候选答案，其中仅有一个为正确答案。 - `answer`：候选答案中对应正确答案的字母标识。 ### 数据划分 数据集的划分（训练集/验证集/测试集）与原始RACE数据集完全一致。 ## 数据集构建 ### 构建初衷 本数据集的构建旨在扩充法语自动语言处理(Traitement Automatique des Langues, TAL)领域，尤其是阅读理解方向的可用研究资源。 ### 源数据 #### 初始数据收集与标准化 源数据与原始RACE数据集完全一致，仅内容已被译为法语。 ### 标注信息 除语言外，标注信息与原始数据集完全一致。 ### 个人与敏感信息 相关注意事项与原始RACE数据集一致。 ## 数据集使用注意事项 ### 数据集的社会影响 将数据集翻译为多种语言，对于扩大自动语言处理(Traitement Automatique des Langues, TAL)研究的覆盖范围，以及支持多语言模型的训练均至关重要。 ### 偏差讨论 [需补充更多信息] ### 其他已知局限性 [需补充更多信息] ## 附加信息 本数据集通过[Large_dataset_translator](https://github.com/vTuanpham/Large_dataset_translator)与谷歌翻译API完成翻译。 ### 许可信息 本数据集适用与原始RACE数据集相同的许可协议。如需了解更多信息，请参阅[此链接](http://www.cs.cmu.edu/~glai1/data/race/)。 ### 引用信息 使用`race_all_fr`数据集时，请引用原始RACE数据集的论文： bibtex @inproceedings{lai-etal-2017-race, title = "{RACE}: Large-scale {R}e{A}ding Comprehension Dataset From Examinations", author = "Lai, Guokun and Xie, Qizhe and Liu, Hanxiao and Yang, Yiming and Hovy, Eduard", booktitle = "Proceedings of the 2017 Conference on Empirical Methods in Natural Language Processing", month = sep, year = "2017", address = "Copenhagen, Denmark", publisher = "Association for Computational Linguistics", url = "https://aclanthology.org/D17-1082", doi = "10.18653/v1/D17-1082", pages = "785--794", } ### 贡献 本数据集的翻译工作由[@MangoHiller](https://huggingface.co/MangoHiller)完成。如需了解原始数据集的贡献信息，请参阅RACE数据集的GitHub仓库：[https://github.com/qizhex/RACE_AR_baselines](https://github.com/qizhex/RACE_AR_baselines)。
数据集概述
数据集描述
- 数据集名称:
race_all_fr - 数据集版本: 法语版
- 数据集来源: RACE
- 数据集大小: 10K<n<100K
- 任务类型: 多选题
- 任务ID: 多选题问答
数据集摘要
race_all_fr 是 RACE 数据集的法语版本，包含超过 28,000 篇文章和近 100,000 个问题。原数据集是为中国中学和大学学生设计的，翻译成法语以扩大其可访问性，并允许在其他语言中进行阅读理解研究。
支持的任务和排行榜
支持的任务和排行榜与原始 RACE 数据集相同，适应法语。
语言
数据集完全为法语。
数据集结构
数据实例
数据实例的结构与原始 RACE 数据集相同，但已翻译成法语。
数据字段
example_id: 每个示例的唯一标识符。article: 文章文本，基于此提出问题。question: 提出的问题。options: 提供的四个答案选项，其中只有一个正确。answer: 对应于正确答案的字母。
数据分割
数据分割（训练/验证/测试）与原始 RACE 数据集相同。
数据集创建
策划理由
此数据集旨在扩展法语自然语言处理（NLP）研究的可用资源，特别是阅读理解。
源数据
初始数据收集和规范化
源数据与 RACE 数据集相同，但已翻译成法语。
注释
注释与原始数据集相同，除了语言。
个人和敏感信息
考虑事项与原始 RACE 数据集相同。
使用数据的注意事项
数据集的社会影响
将数据集翻译成不同语言对于扩大 NLP 研究的广泛访问和允许多语言模型训练至关重要。
偏见讨论
[需要更多信息]
其他已知限制
[需要更多信息]
附加信息
数据集使用 Large_dataset_translator 和 Google Translate API 进行翻译。
许可信息
与原始 RACE 数据集相同的许可适用。请参阅 此链接 获取更多信息。
引用信息
使用 race_all_fr 时，请引用原始 RACE 数据集的论文：
bibtex @inproceedings{lai-etal-2017-race, title = "{RACE}: Large-scale {R}e{A}ding Comprehension Dataset From Examinations", author = "Lai, Guokun and Xie, Qizhe and Liu, Hanxiao and Yang, Yiming and Hovy, Eduard", booktitle = "Proceedings of the 2017 Conference on Empirical Methods in Natural Language Processing", month = sep, year = "2017", address = "Copenhagen, Denmark", publisher = "Association for Computational Linguistics", url = "https://aclanthology.org/D17-1082", doi = "10.18653/v1/D17-1082", pages = "785--794", }
贡献
此数据集的翻译由 @MangoHiller 完成。有关原始贡献，请参阅 RACE 数据集的 GitHub 仓库：https://github.com/qizhex/RACE_AR_baselines。
