orange_sum_fr_prompt_title_generation_from_an_article

Summary

orange_sum_fr_prompt_title_generation_from_an_article is a subset of the Dataset of French Prompts (DFP).
It contains 639,521 rows that can be used for a title generation task.
The original data (without prompts) comes from the dataset orange_sum by Eddine et al.
A list of prompts (see below) was then applied in order to build the input and target columns and thus obtain the same format as the xP3 dataset by Muennighoff et al.

Prompts used

List

19 prompts were created for this dataset. The logic applied consists in proposing prompts in the indicative tense, in the form of tutoiement and in the form of vouvoiement.

'"'+document+'"\n Générer un titre pour cet article :',   
'"'+document+'"\n Génère un titre pour cet article :',    
'"'+document+'"\n Générez un titre pour cet article :',    
'"'+document+'"\n Rédiger un titre pour cet article :',    
'"'+document+'"\n Rédige un titre pour cet article :',    
'"'+document+'"\n Rédigez un titre pour cet article :',    
'"'+document+'"\n Ecrire un titre pour cet article :',    
'"'+document+'"\n Ecris un titre pour cet article :',    
'"'+document+'"\n Ecrivez un titre pour cet article :',    
"Générer un titre pour l'article suivant : "+document,  
"Génère un titre pour l'article suivant : "+document,  
"Générez un titre pour l'article suivant : "+document,  
"Rédiger un titre pour l'article suivant : "+document,  
"Rédige un titre pour l'article suivant : "+document,  
"Rédigez un titre pour l'article suivant : "+document,  
"Ecrire un titre pour l'article suivant : "+document,  
"Ecris un titre pour l'article suivant : "+document,  
"Ecrivez un titre pour l'article suivant : "+document,  
'"'+document+'"\n Titre :\n '

Features used in the prompts

In the prompt list above, document and targets have been constructed from:

orange_sum = load_dataset('orange_sum','title')
document = orange_sum['train'][i]['text']
targets = orange_sum['train'][i]['summary']

Splits

• train with 582,521 samples
• valid with 28,500 samples
• test with 28,500 samples

How to use?

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

Citation

Original data

@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}
}

This Dataset

@misc {centre_aquitain_des_technologies_de_l'information_et_electroniques_2023,  
    author       = { {Centre Aquitain des Technologies de l'Information et Electroniques} },  
    title        = { DFP (Revision 1d24c09) },  
    year         = 2023,  
    url          = { https://huggingface.co/datasets/CATIE-AQ/DFP },  
    doi          = { 10.57967/hf/1200 },  
    publisher    = { Hugging Face }  
}

License

CC-BY-SA-4.0