CATIE-AQ/orange_sum_fr_prompt_fill_mask

`orange_sum_fr_prompt_fill_mask`是法语提示数据集（DFP）的一个子集，包含585,624行数据，适用于填充掩码任务。数据来源于`orange_sum`数据集，并通过应用24种不同的提示构建了输入和目标列，格式与xP3数据集相同。数据集分为训练集、验证集和测试集，分别包含513,624、36,000和36,000个样本。

`orange_sum_fr_prompt_fill_mask` is a subset of the French Prompt Dataset (DFP), comprising 585,624 rows and optimized for fill-mask tasks. Originating from the `orange_sum` dataset, it generates input and target columns by applying 24 unique prompts, following the exact format of the xP3 dataset. The dataset is split into training, validation, and test sets, with 513,624, 36,000, and 36,000 samples respectively.

原始信息汇总

orange_sum_fr_prompt_fill_mask 数据集概述

概要

orange_sum_fr_prompt_fill_mask 是 Dataset of French Prompts (DFP) 的一个子集。
该数据集包含 585,624 行，适用于填空任务。
原始数据（无提示）来自 Eddine 等人的数据集 orange_sum。
随后应用了一系列提示（见下文），以构建输入和目标列，从而获得与 Muennighoff 等人的 xP3 数据集相同的格式。

使用的提示

列表

该数据集创建了 24 个提示。提示的逻辑包括使用直陈式、使用“你”和“您”的形式。

Remplacer le <mask> dans le texte suivant par le mot le plus vraisemblable : +text,
Remplace le <mask> dans le texte suivant par le mot le plus vraisemblable : +text,
Remplacez le <mask> dans le texte suivant par le mot le plus vraisemblable : +text,
Remplacer le <mask> dans le texte suivant par le mot le plus probable : +text,
Remplace le <mask> dans le texte suivant par le mot le plus probable : +text,
Remplacez le <mask> dans le texte suivant par le mot le plus probable : +text,
Substituer le <mask> dans le texte suivant par le mot le plus vraisemblable : +text,
Substitue le <mask> dans le texte suivant par le mot le plus vraisemblable : +text,
Substituez le <mask> dans le texte suivant par le mot le plus vraisemblable : +text,
Substituer le <mask> dans le texte suivant par le mot le plus probable : +text,
Substitue le <mask> dans le texte suivant par le mot le plus probable : +text,
Substituez le <mask> dans le texte suivant par le mot le plus probable : +text,
Changer le <mask> dans le texte suivant par le mot le plus vraisemblable : +text,
Change le <mask> dans le texte suivant par le mot le plus vraisemblable : +text,
Changez le <mask> dans le texte suivant par le mot le plus vraisemblable : +text,
Changer le <mask> dans le texte suivant par le mot le plus probable : +text,
Change le <mask> dans le texte suivant par le mot le plus probable : +text,
Changez le <mask> dans le texte suivant par le mot le plus probable : +text,
Transformer le <mask> dans le texte suivant par le mot le plus vraisemblable : +text,
Transforme le <mask> dans le texte suivant par le mot le plus vraisemblable : +text,
Transformez le <mask> dans le texte suivant par le mot le plus vraisemblable : +text,
Transformer le <mask> dans le texte suivant par le mot le plus probable : +text,
Transforme le <mask> dans le texte suivant par le mot le plus probable : +text,
Transformez le <mask> dans le texte suivant par le mot le plus probable : +text,

数据集划分

• train 包含 513,624 个样本
• valid 包含 36,000 个样本
• test 包含 36,000 个样本

使用方法

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

引用

原始数据

@article{eddine2020barthez, title={BARTheZ: a Skilled Pretrained French Sequence-to-Sequence Model}, author={Eddine, Moussa Kamal and Tixier, Antoine J-P and Vazirgiannis, Michalis}, journal={arXiv preprint arXiv:2010.12321}, year={2020} }

本数据集

@misc {centre_aquitain_des_technologies_de_linformation_et_electroniques_2023,
author = { {Centre Aquitain des Technologies de lInformation et Electroniques} },
title = { DFP (Revision 1d24c09) },
year = 2023,
url = { https://huggingface.co/datasets/CATIE-AQ/DFP },
doi = { 10.57967/hf/1200 },
publisher = { Hugging Face }
}

许可证

CC-BY-SA-4.0