id stringlengths 2 115 | author stringlengths 2 42 ⌀ | last_modified timestamp[us, tz=UTC] | downloads int64 0 8.87M | likes int64 0 3.84k | paperswithcode_id stringlengths 2 45 ⌀ | tags list | lastModified timestamp[us, tz=UTC] | createdAt stringlengths 24 24 | key stringclasses 1 value | created timestamp[us] | card stringlengths 1 1.01M | embedding list | library_name stringclasses 21 values | pipeline_tag stringclasses 27 values | mask_token null | card_data null | widget_data null | model_index null | config null | transformers_info null | spaces null | safetensors null | transformersInfo null | modelId stringlengths 5 111 ⌀ | embeddings list |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
realzdlegend/breast_cancer_xray | realzdlegend | 2023-08-15T20:13:18Z | 15 | 0 | null | [
"task_categories:image-classification",
"size_categories:n<1K",
"language:en",
"license:cc",
"medical",
"region:us"
] | 2023-08-15T20:13:18Z | 2023-08-15T18:10:51.000Z | 2023-08-15T18:10:51 | ---
license: cc
task_categories:
- image-classification
language:
- en
tags:
- medical
pretty_name: breast_xray
size_categories:
- n<1K
configs:
- config_name: realzdlegend--breast_cancer_xray
--- | [
-0.1285335123538971,
-0.1861683875322342,
0.6529128551483154,
0.49436232447624207,
-0.19319400191307068,
0.23607441782951355,
0.36072009801864624,
0.05056373029947281,
0.5793656706809998,
0.7400146722793579,
-0.650810182094574,
-0.23784008622169495,
-0.7102247476577759,
-0.0478255338966846... | null | null | null | null | null | null | null | null | null | null | null | null | null | |
dim/essayforum_raw_writing_10k | dim | 2023-08-16T00:15:51Z | 15 | 0 | null | [
"license:mit",
"region:us"
] | 2023-08-16T00:15:51Z | 2023-08-16T00:13:27.000Z | 2023-08-16T00:13:27 | ---
license: mit
dataset_info:
features:
- name: message
dtype: string
- name: author
dtype: string
- name: date
dtype: string
- name: position
dtype: int64
- name: url
dtype: string
- name: forum_type
dtype: string
splits:
- name: train
num_bytes: 39625264
num_examples: 29604
download_size: 19976186
dataset_size: 39625264
---
| [
-0.1285335123538971,
-0.1861683875322342,
0.6529128551483154,
0.49436232447624207,
-0.19319400191307068,
0.23607441782951355,
0.36072009801864624,
0.05056373029947281,
0.5793656706809998,
0.7400146722793579,
-0.650810182094574,
-0.23784008622169495,
-0.7102247476577759,
-0.0478255338966846... | null | null | null | null | null | null | null | null | null | null | null | null | null | |
arbml/alpagasus_cleaned_ar | arbml | 2023-09-06T17:22:31Z | 15 | 0 | null | [
"region:us"
] | 2023-09-06T17:22:31Z | 2023-08-20T19:52:57.000Z | 2023-08-20T19:52:57 | ---
dataset_info:
features:
- name: instruction_en
dtype: string
- name: output_en
dtype: string
- name: instruction
dtype: string
- name: output
dtype: string
- name: index
dtype: int64
splits:
- name: train
num_bytes: 9824184
num_examples: 9229
download_size: 5541315
dataset_size: 9824184
---
# Dataset Card for "alpagasus_cleaned_ar"
[More Information needed](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards) | [
-0.5791657567024231,
-0.26785850524902344,
0.02354821003973484,
-0.22055396437644958,
-0.3563699722290039,
-0.05856361240148544,
0.3587520122528076,
-0.21525424718856812,
1.103904366493225,
0.7504123449325562,
-0.619357168674469,
-0.7720301151275635,
-0.5836717486381531,
-0.237828314304351... | null | null | null | null | null | null | null | null | null | null | null | null | null | |
CATIE-AQ/DFP | CATIE-AQ | 2023-10-17T15:39:12Z | 15 | 2 | null | [
"task_categories:text-classification",
"task_categories:token-classification",
"task_categories:question-answering",
"task_categories:zero-shot-classification",
"task_categories:summarization",
"task_categories:text-generation",
"task_categories:text2text-generation",
"task_categories:fill-mask",
"t... | 2023-10-17T15:39:12Z | 2023-08-22T07:56:20.000Z | 2023-08-22T07:56:20 | ---
task_categories:
- text-classification
- token-classification
- question-answering
- zero-shot-classification
- summarization
- text-generation
- text2text-generation
- fill-mask
- sentence-similarity
language:
- fr
size_categories:
- 100M<n<1B
tags:
- DFP
- french prompts
annotations_creators:
- found
language_creators:
- found
multilinguality:
- monolingual
---
# Dataset Card for Dataset of French Prompts (DFP)
This dataset of prompts in French contains **113,129,978 rows** but for licensing reasons we can only share 107,796,041 rows (`train`: 102,720,891 samples, `validation`: 2,584,400 samples, `test`: 2,490,750 samples). It presents data for **30 different NLP tasks**.
**724 prompts** were written, including requests in imperative, tutoiement and vouvoiement form in an attempt to have as much coverage as possible of the pre-training data used by the model that will use these data and which are unknown to us.
This dataset contains four columns:
- inputs (string)
- targets (string)
- dataset (string)
- task (string)
The `inputs` and `targets` columns follow the same format as the [xP3](https://huggingface.co/datasets/bigscience/xP3) dataset by Muennighoff et al.
The `dataset` column allows the user to filter the datasets he wants to keep for his work.
The `task` column allows the user to filter the tasks he wants to keep for his work.
The dataset was created from 34 other datasets each with its own license. We invite you to consult them.
The 724 prompts are licensed under the `cc-by-4.0` license, so you're free to apply them to your own datasets.
The dataset is the concatenation of 74 prompts datasets that you can find [here](https://huggingface.co/collections/CATIE-AQ/french-prompts-datasets-6508208ad55dd4e15cd67f8b).
The nomenclature adopted for these datasets is `original dataset name` + `_fr_prompt_` + `task name`.
Below, you'll find for each of the 30 tasks, the list of prompts used for each, an example of a line, the list of original datasets to which the prompts were applied and the list of datasets with prompts then created, and for each their license.
<details>
<summary><h1>Sentence similarity</h1></summary>
Sentence similarity is the task of determining how similar two texts are.
In our case, the target/output is a score between 0 (the two sentences are semantically distant) and 1 (the two sentences are semantically close).
## 18 prompts
<code>
'Déterminer le score de similarité entre les deux phrases suivantes. Phrase 1 : "'+sentence1+'"\n Phrase 2 : "'+sentence2+'"', <br>
'Déterminez le score de similarité entre les deux phrases suivantes. Phrase 1 : "'+sentence1+'"\n Phrase 2 : "'+sentence2+'"', <br>
'Détermine le score de similarité entre les deux phrases suivantes. Phrase 1 : "'+sentence1+'"\n Phrase 2 : "'+sentence2+'"', <br>
'Indiquer le score de similarité entre les deux phrases suivantes. Phrase 1 : "'+sentence1+'"\n Phrase 2 : "'+sentence2+'"', <br>
'Indiquez le score de similarité entre les deux phrases suivantes. Phrase 1 : "'+sentence1+'"\n Phrase 2 : "'+sentence2+'"', <br>
'Indique le score de similarité entre les deux phrases suivantes. Phrase 1 : "'+sentence1+'"\n Phrase 2 : "'+sentence2+'"', <br>
'Donner le score de similarité entre les deux phrases suivantes. Phrase 1 : "'+sentence1+'"\n Phrase 2 : "'+sentence2+'"', <br>
'Donnez le score de similarité entre les deux phrases suivantes. Phrase 1 : "'+sentence1+'"\n Phrase 2 : "'+sentence2+'"', <br>
'Donne le score de similarité entre les deux phrases suivantes. Phrase 1 : "'+sentence1+'"\n Phrase 2 : "'+sentence2+'"', <br>
'Déterminer le score de similarité entre la phrase : "'+sentence1+'"\n et la phrase : "'+sentence2+'"\n Similarité : ', <br>
'Déterminez le score de similarité entre la phrase : "'+sentence1+'"\n et la phrase : "'+sentence2+'"\n Similarité : ', <br>
'Détermine le score de similarité entre la phrase : "'+sentence1+'"\n et la phrase : "'+sentence2+'"\n Similarité : ', <br>
'Indiquer le score de similarité entre la phrase : "'+sentence1+'"\n et la phrase : "'+sentence2+'"\n Similarité : ', <br>
'Indiquez le score de similarité entre la phrase : "'+sentence1+'"\n et la phrase : "'+sentence2+'"\n Similarité : ', <br>
'Indique le score de similarité entre la phrase : "'+sentence1+'"\n et la phrase : "'+sentence2+'"\n Similarité : ', <br>
'Donner le score de similarité entre la phrase : "'+sentence1+'"\n et la phrase : "'+sentence2+'"\n Similarité : ', <br>
'Donnez le score de similarité entre la phrase : "'+sentence1+'"\n et la phrase : "'+sentence2+'"\n Similarité : ', <br>
'Donne le score de similarité entre la phrase : "'+sentence1+'"\n et la phrase : "'+sentence2+'"\n Similarité : ',
</code>
An example:
| inputs | targets |
| -------- | ------- |
| Déterminer le score de similarité entre les deux phrases suivantes. Phrase 1 : "Une femme prend et tient un bébé kangourou."<br>Phrase 2 : "Une femme prend et tient un bébé kangourou dans ses bras." | 0.92 |
## Datasets
### stsb_multi_mt
**Original**: https://huggingface.co/datasets/stsb_multi_mt
Note: only the French portion of this multilingual dataset is kept for our use.
The French split was obtained via an automatic translation of the English split.
<details>
<summary>Citation and License</summary>
#### Citation
> @InProceedings{huggingface:dataset:stsb_multi_mt,
title = {Machine translated multilingual STS benchmark dataset.},
author={Philip May},
year={2021},
url={https://github.com/PhilipMay/stsb-multi-mt}}
#### License
https://github.com/PhilipMay/stsb-multi-mt/blob/main/LICENSE
</details>
**With prompts**: https://huggingface.co/datasets/CATIE-AQ/stsb_multi_mt_fr_prompt_sentence_similarity
<details>
<summary>Citation and License</summary>
#### Citation
See the DOI at the end of this dataset card.
#### License
The `stsb_multi_mt_fr_prompt_sentence_similarity` dataset has the same license as the original dataset from which it is derived.
</details>
</details>
<details>
<summary><h1>Paraphrase detection</h1></summary>
Paraphrase detection consists in indicating whether two sentences have the same meaning or not.
In our case, the target/output is "Oui" or "Non".
## 22 prompts
<code>
'Puis-je remplacer la phrase "'+sentence1+'" par la phrase "'+sentence2+'" et que cela garde la même signification ?',<br>
'Peut-on remplacer la phrase "'+sentence1+'" par la phrase "'+sentence2+'" et que cela garde la même signification ?', <br>
'Les deux phrases suivantes signifient-elles la même chose ? \n "'+sentence1+'"\n "'+sentence2+'"', <br>
'Je veux savoir si les deux phrases suivantes signifient la même chose. \n "'+sentence1+'"\n "'+sentence2+'"\n Le sont-elles ?', <br>
'On veut savoir si les deux phrases suivantes signifient la même chose. \n "'+sentence1+'"\n "'+sentence2+'"\n Le sont-elles ?', <br>
'Nous voulons savoir si les deux phrases suivantes signifient la même chose. \n "'+sentence1+'"\n "'+sentence2+'"\n Le sont-elles ?', <br>
'La phrase "'+sentence1+'" paraphrase-t-elle (= signifie-t-elle la même chose que) cette phrase ? "'+sentence2+'"', <br>
'Les deux phrases suivantes sont-elles équivalentes ou non équivalentes ? "'+ sentence1+'"\n"'+sentence2+'"', <br>
'Déterminer si les deux phrases suivantes se paraphrasent ou non. Phrase 1 : "'+sentence1+'\n Phrase 2 : "'+sentence2+'"', <br>
'Déterminez si les deux phrases suivantes se paraphrasent ou non. Phrase 1 : "'+sentence1+'\n Phrase 2 : "'+sentence2+'"', <br>
'Détermine si les deux phrases suivantes se paraphrasent ou non. Phrase 1 : "'+sentence1+'\n Phrase 2 : "'+sentence2+'"', <br>
'"'+sentence1+'" Est-ce une paraphrase de la phrase suivante ? "'+sentence2+'"', <br>
'"'+sentence1+'" Est-ce une paraphrase de la phrase suivante ? "'+sentence2+'" Oui ou Non ?', <br>
'"'+sentence1+'" Question : "'+sentence2+'" est une paraphrase ou non ?', <br>
'Phrase 1 : "'+sentence1+'"\n Phrase 2 : "'+sentence2+'"\n Question : La phrase 1 et la phrase 2 expriment-elles le même sens ?', <br>
'Phrase 1 : "'+sentence1+'"\n Phrase 2 : "'+sentence2+'"\n Question : La phrase 1 et la phrase 2 expriment-elles le même sens ? Oui ou Non ?', <br>
'Phrase 1 : "'+sentence1+'"\n Phrase 2 : "'+sentence2+'"\n Question : Peut-on réécrire la phrase 1 en phrase 2 ?' , <br>
'Phrase 1 : "'+sentence1+'"\n Phrase 2 : "'+sentence2+'"\n Question : Puis-je réécrire la phrase 1 en phrase 2 ?' , <br>
'Phrase 1 : "'+sentence1+'"\n Phrase 2 : "'+sentence2+'"\n Question : Peut-on réécrire la phrase 1 en phrase 2 ? Oui ou Non ?', <br>
'Phrase 1 : "'+sentence1+'"\n Phrase 2 : "'+sentence2+'"\n Question : Puis-je réécrire la phrase 1 en phrase 2 ? Oui ou Non ?', <br>
'Phrase 1 : "'+sentence1+'"\n Phrase 2 : "'+sentence2+'"\n Question : La phrase 1 paraphrase-t-elle la phrase 2 ?', <br>
'Phrase 1 : "'+sentence1+'"\n Phrase 2 : "'+sentence2+'"\n Question : La phrase 1 paraphrase-t-elle la phrase 2 ? Oui ou Non ?'
</code>
An example:
| inputs | targets |
| -------- | ------- |
| Puis-je remplacer la phrase "À Paris, en octobre 1560, il rencontra secrètement l'ambassadeur d'Angleterre, Nicolas Throckmorton, lui demandant un passeport pour retourner en Angleterre en passant par l'Écosse." par la phrase "En octobre 1560, il rencontra secrètement l'ambassadeur d'Angleterre, Nicolas Throckmorton, à Paris, et lui demanda un passeport pour retourner en Écosse par l'Angleterre." et que cela garde la même signification ? | Non |
## Datasets
### paws-x
**Original**: https://huggingface.co/datasets/paws-x
Note: only the French portion of this multilingual dataset is kept for our use.
The French split was obtained via an automatic translation of the English split.
<details>
<summary>Citation and License</summary>
#### Citation
> @InProceedings{pawsx2019emnlp,
title = {{PAWS-X: A Cross-lingual Adversarial Dataset for Paraphrase Identification}},
author = {Yang, Yinfei and Zhang, Yuan and Tar, Chris and Baldridge, Jason},
booktitle = {Proc. of EMNLP},
year = {2019}}
#### License
The dataset may be freely used for any purpose, although acknowledgement of Google LLC ("Google") as the data source would be appreciated. The dataset is provided "AS IS" without any warranty, express or implied. Google disclaims all liability for any damages, direct or indirect, resulting from the use of the dataset.
</details>
**With prompts**: https://huggingface.co/datasets/CATIE-AQ/paws-x_fr_prompt_paraphrase_detection
<details>
<summary>Citation and License</summary>
#### Citation
See the DOI at the end of this dataset card.
#### License
The `paws-x_fr_prompt_paraphrase_detection` dataset has the same license as the original dataset from which it is derived.
</details>
</details>
<details>
<summary><h1>Paraphrase generation</h1></summary>
Paraphrase generation consists to generate a sentence semantically similar to a given sentence.
## 24 prompts
<code>
'Générer une phrase qui signifie la même chose que celle-ci : "'+sentence1+'"',<br>
'Génère une phrase qui signifie la même chose que celle-ci : "'+sentence1+'"', <br>
'Générez une phrase qui signifie la même chose que celle-ci : "'+sentence1+'"', <br>
'Paraphraser la phrase suivante : "'+sentence1+'"', <br>
'Paraphrase la phrase suivante : "'+sentence1+'"', <br>
'Paraphrasez la phrase suivante : "'+sentence1+'"', <br>
'Créer une phrase qui signifie la même chose que celle-ci : "'+sentence1+'"',<br>
'Crée une phrase qui signifie la même chose que celle-ci : "'+sentence1+'"', <br>
'Créez une phrase qui signifie la même chose que celle-ci : "'+sentence1+'"', <br>
'Créer une paraphrase de la phrase suivante : "'+sentence1+'"', <br>
'Crée une paraphrase de la phrase suivante : "'+sentence1+'"', <br>
'Créez une paraphrase de la phrase suivante : "'+sentence1+'"', <br>
'Ecrire une phrase qui signifie la même chose que celle-ci : "'+sentence1+'"', <br>
'Ecris une phrase qui signifie la même chose que celle-ci : "'+sentence1+'"', <br>
'Ecrivez une phrase qui signifie la même chose que celle-ci : "'+sentence1+'"', <br>
'Ecrire une paraphrase de la phrase suivante : "'+sentence1+'"', <br>
'Ecris une paraphrase de la phrase suivante : "'+sentence1+'"', <br>
'Ecrivez une paraphrase de la phrase suivante : "'+sentence1+'"', <br>
'Rédiger une phrase qui signifie la même chose que celle-ci : "'+sentence1+'"', <br>
'Rédige une phrase qui signifie la même chose que celle-ci : "'+sentence1+'"', <br>
'Rédigez une phrase qui signifie la même chose que celle-ci : "'+sentence1+'"', <br>
'Rédiger une paraphrase de la phrase suivante : "'+sentence1+'"', <br>
'Rédige une paraphrase de la phrase suivante : "'+sentence1+'"', <br>
'Rédigez une paraphrase de la phrase suivante : "'+sentence1+'"'
</code>
An example:
| inputs | targets |
| -------- | ------- |
| Générer une phrase qui signifie la même chose que celle-ci : "La saison NBA 1975 - 76 était la 30e saison de la National Basketball Association." | La saison 1975-1976 de la National Basketball Association était la 30e saison de la NBA. |
## Datasets
### paws-x
**Original**: https://huggingface.co/datasets/paws-x
Note: only the French portion of this multilingual dataset is kept for our use.
The French split was obtained via an automatic translation of the English split.
<details>
<summary>Citation and License</summary>
#### Citation
Identical to the first citation of this dataset earlier in the card.
#### License
Identical to the first citation of this dataset earlier in the card.
</details>
**With prompts**: https://huggingface.co/datasets/CATIE-AQ/paws-x_fr_prompt_paraphrase_generation
<details>
<summary>Citation and License</summary>
#### Citation
See the DOI at the end of this dataset card.
#### License
The `paws-x_fr_prompt_paraphrase_generation` dataset has the same license as the original dataset from which it is derived.
</details>
</details>
<details>
<summary><h1>Textual entailment</h1></summary>
This task consists of indicating whether a hypothesis applied to a sentence is true, false or unsure.
In our case, the target/output is "vrai", "faux" or "incertain".
## 22 prompts
<code>
"""Prendre l'énoncé suivant comme vrai : " """+premise+""" "\n Alors l'énoncé suivant : " """+hypothesis+""" " est "vrai", "faux", ou "incertain" ?""",<br>
"""Prends l'énoncé suivant comme vrai : " """+premise+""" "\n Alors l'énoncé suivant : " """+hypothesis+""" " est "vrai", "faux", ou "incertain" ?""", <br>
"""Prenez l'énoncé suivant comme vrai : " """+premise+""" "\n Alors l'énoncé suivant : " """+hypothesis+""" " est "vrai", "faux", ou "incertain" ?""", <br>
'"'+premise+'"\nQuestion : Cela implique-t-il que "'+hypothesis+'" ? "vrai", "faux", ou "incertain" ?', <br>
'"'+premise+'"\nQuestion : "'+hypothesis+'" est "vrai", "faux", ou "peut-être" ?', <br>
""" " """+premise+""" "\n D'après le passage précédent, est-il vrai que " """+hypothesis+""" " ? "vrai", "faux", ou "incertain" ?""", <br>
""" " """+premise+""" "\nSur la base de ces informations, l'énoncé est-il : " """+hypothesis+""" " ? "vrai", "faux", ou "incertain" ?""", <br>
""" " """+premise+""" "\nEn gardant à l'esprit le texte ci-dessus, considérez : " """+hypothesis+""" "\n Est-ce que c'est "vrai", "faux", ou "incertain" ?""", <br>
""" " """+premise+""" "\nEn gardant à l'esprit le texte ci-dessus, considére : " """+hypothesis+""" "\n Est-ce que c'est "vrai", "faux", ou "peut-être" ?""", <br>
""" " """+premise+""" "\nEn utilisant uniquement la description ci-dessus et ce que vous savez du monde, " """+hypothesis+""" " est-ce "vrai", "faux", ou "incertain" ?""", <br>
""" " """+premise+""" "\nEn utilisant uniquement la description ci-dessus et ce que tu sais du monde, " """+hypothesis+""" " est-ce "vrai", "faux", ou "incertain" ?""", <br>
"""Étant donné que " """+premise+""" ", s'ensuit-il que " """+hypothesis+""" " ? "vrai", "faux", ou "incertain" ?""", <br>
"""Étant donné que " """+premise+""" ", est-il garanti que " """+hypothesis+""" " ? "vrai", "faux", ou "incertain" ?""", <br>
'Étant donné '+premise+', doit-on supposer que '+hypothesis+' est "vrai", "faux", ou "incertain" ?', <br>
'Étant donné '+premise+', dois-je supposer que '+hypothesis+' est "vrai", "faux", ou "incertain" ?', <br>
'Sachant que '+premise+', doit-on supposer que '+hypothesis+' est "vrai", "faux", ou "incertain" ?', <br>
'Sachant que '+premise+', dois-je supposer que '+hypothesis+' est "vrai", "faux", ou "incertain" ?', <br>
'Étant donné que '+premise+', il doit donc être vrai que '+hypothesis+' ? "vrai", "faux", ou "incertain" ?', <br>
"""Supposons que " """+premise+""" ", pouvons-nous déduire que " """+hypothesis+""" " ? "vrai", "faux", ou "incertain" ?""", <br>
"""Supposons que " """+premise+""" ", puis-je déduire que " """+hypothesis+""" " ? "vrai", "faux", ou "incertain" ?""", <br>
"""Supposons qu'il est vrai que " """+premise+""" ". Alors, est-ce que " """+hypothesis+""" " ? "vrai", "faux", ou "incertain" ?""", <br>
"""Supposons qu'il soit vrai que " """+premise+""" ",\n Donc, " """+hypothesis+""" " ? "vrai", "faux", ou "incertain" ?"""
</code>
An example:
| inputs | targets |
| -------- | ------- |
| Prendre l'énoncé suivant comme vrai : "Diorama est le quatrième album studio du groupe australien de rock alternatif Silverchair. Sorti le 31 mars 2002 par Atlantic/. Il a remporté le ARIA Music Award 2002 du meilleur groupe et du meilleur album rock. L'album a été coproduit par Daniel Johns et David Bottrill. Alors que Bottrill avait travaillé sur des albums pour une variété d'autres groupes, "Diorama" a marqué le premier crédit de production pour le chanteur Johns." Alors l'énoncé suivant : "Daniel Johns et David Bottrill n'ont jamais travaillé ensemble" est "vrai", "faux", ou "incertain" ? | faux |
## Datasets
### xnli
**Original**: https://huggingface.co/datasets/xnli
Note: only the French portion of this multilingual dataset is kept for our use.
The French split was obtained via an automatic translation of the English split.
<details>
<summary>Citation and License</summary>
#### Citation
> @InProceedings{conneau2018xnli,
author = {Conneau, Alexis and Rinott, Ruty and Lample, Guillaume and Williams, Adina and Bowman, Samuel R. and Schwenk, Holger and Stoyanov, Veselin},
title = {XNLI: Evaluating Cross-lingual Sentence Representations},
booktitle = {Proceedings of the 2018 Conference on Empirical Methods in Natural Language Processing},
year = {2018},
publisher = {Association for Computational Linguistics},
location = {Brussels, Belgium},}
#### License
The majority of the corpus sentences are released under the OANC’s license which allows all content to be freely used, modified, and shared under permissive terms. The data in the Fiction genre from Captain Blood are in the public domain in the United States (but may be licensed differently elsewhere).
</details>
**With prompts**: https://huggingface.co/datasets/CATIE-AQ/xnli_fr_prompt_textual_entailment
<details>
<summary>Citation and License</summary>
#### Citation
See the DOI at the end of this dataset card.
#### License
The `xnli_fr_prompt_textual_entailment` dataset has the same license as the original dataset from which it is derived.
</details>
#### Citation
### MoritzLaurer/multilingual-NLI-26lang-2mil7
**Original**: https://huggingface.co/datasets/MoritzLaurer/multilingual-NLI-26lang-2mil7
Note: only the French portion of this multilingual dataset is kept for our use. These are the `fr_anli`, `fr_fever`, `fr_ling`, `fr_mnli` and `fr_wanli` splits.
The French split was obtained via an automatic translation of the English split.
<details>
<summary>Citation and License</summary>
#### Citation
> @article{laurer_less_2022,
title = {Less {Annotating}, {More} {Classifying} – {Addressing} the {Data} {Scarcity} {Issue} of {Supervised} {Machine} {Learning} with {Deep} {Transfer} {Learning} and {BERT} - {NLI}},
url = {https://osf.io/74b8k},
language = {en-us},
urldate = {2022-07-28},
journal = {Preprint},
author = {Laurer, Moritz and Atteveldt, Wouter van and Casas, Andreu Salleras and Welbers, Kasper},
month = jun,
year = {2022},
note = {Publisher: Open Science Framework},
}
#### License
The `fr_anli` and `fr_wanli` splits are licensed under cc-by-nc-4.0.
The `fr_fever`, `fr_ling` and `fr_mnli` splits are licensed under MIT.
</details>
**With prompts**:
https://huggingface.co/datasets/CATIE-AQ/anli_fr_prompt_textual_entailment
https://huggingface.co/datasets/CATIE-AQ/fever_fr_prompt_textual_entailment
https://huggingface.co/datasets/CATIE-AQ/ling_fr_prompt_textual_entailment
https://huggingface.co/datasets/CATIE-AQ/mnli_fr_prompt_textual_entailment
https://huggingface.co/datasets/CATIE-AQ/wanli_fr_prompt_textual_entailment
<details>
<summary>Citation and License</summary>
#### Citation
See the DOI at the end of this dataset card.
#### License
The `anli_fr_prompt_textual_entailment`, `fever_fr_prompt_textual_entailment`, `ling_fr_prompt_textual_entailment`, `mnli_fr_prompt_textual_entailment`, `wanli_fr_prompt_textual_entailment` datasets have the same license as the original dataset from which they are derived.
</details>
</details>
<details>
<summary><h1>Textual simplification</h1></summary>
This task involves cutting a very long sentence into two smaller ones to simplify reading.
## 20 prompts
<code>
'Simplifier la phrase suivante en la divisant tout en conservant son sens complet : "'+source+'" Version simplifiée : ',<br>
'Simplifie la phrase suivante en la divisant tout en conservant son sens complet : "'+source+'" Version simplifiée : ', <br>
'Simplifiez la phrase suivante en la divisant tout en conservant son sens complet : "'+source+'" Version simplifiée : ', <br>
'Alléger la phrase suivante en la divisant tout en conservant son sens complet : "'+source+'" Version simplifiée : ', <br>
'Allège la phrase suivante en la divisant tout en conservant son sens complet : "'+source+'" Version simplifiée : ', <br>
'Allégez la phrase suivante en la divisant tout en conservant son sens complet : "'+source+'" Version simplifiée : ', <br>
'Clarifier la phrase suivante en la divisant tout en conservant son sens complet : "'+source+'" Version simplifiée : ', <br>
'Clarifie la phrase suivante en la divisant tout en conservant son sens complet : "'+source+'" Version simplifiée : ', <br>
'Clarifiez la phrase suivante en la divisant tout en conservant son sens complet : "'+source+'" Version simplifiée : ', <br>
'"'+source+'" La phrase ci-dessus est trop compliquée. Fournir une version simplifiée composée de plusieurs phrases : ', <br>
'"'+source+'" La phrase ci-dessus est trop compliquée. Fournis une version simplifiée composée de plusieurs phrases : ', <br>
'"'+source+'" La phrase ci-dessus est trop compliquée. Fournissez une version simplifiée composée de plusieurs phrases : ', <br>
'"'+source+'" Cette phrase est difficile à comprendre. Une version plus simple avec une signification équivalente est la suivante : ', <br>
'"'+source+'" Cette phrase est difficile à comprendre. Une version moins complexe avec une signification équivalente est la suivante : ', <br>
'"'+source+'" Cette phrase est difficile à comprendre. Une version plus légère avec une signification équivalente est la suivante : ', <br>
'"'+source+'" Cette phrase est difficile à comprendre. Une version épurée avec une signification équivalente est la suivante : ', <br>
'"'+source+'" Cette phrase est lourde. Une version plus simple avec une signification équivalente est la suivante : ', <br>
'"'+source+'" Cette phrase est lourde. Une version moins complexe avec une signification équivalente est la suivante : ', <br>
'"'+source+'" Cette phrase est lourde. Une version plus légère avec une signification équivalente est la suivante : ', <br>
'"'+source+'" Cette phrase est lourde. Une version épurée avec une signification équivalente est la suivante : '
</code>
An example:
| inputs | targets |
| -------- | ------- |
| "N'ayez pas peur de poser des questions, il vaut mieux prendre quelques minutes pour poser les questions, puis passer le double du temps à corriger un problème ultérieur." Cette phrase est lourde. Une version plus légère avec une signification équivalente est la suivante : | Il ne faut pas avoir peur de poser des questions. Il vaut mieux prendre 5 minutes pour poser une question que de passer le double du temps à réparer les erreurs futures. |
## Datasets
### GEM/BiSECT
**Original**: https://huggingface.co/datasets/GEM/BiSECT
Note: only the French portion of this multilingual dataset is kept for our use.
The French split was obtained via an automatic translation of the English split.
<details>
<summary>Citation and License</summary>
#### Citation
> @inproceedings{bisect2021,
title={BiSECT: Learning to Split and Rephrase Sentences with Bitexts},
author={Kim, Joongwon and Maddela, Mounica and Kriz, Reno and Xu, Wei and Callison-Burch, Chris},
booktitle={Proceedings of the Conference on Empirical Methods in Natural Language Processing (EMNLP)},
year={2021}}
#### License
cc-by-nc-4.0
</details>
**With prompts**: https://huggingface.co/datasets/CATIE-AQ/bisect_fr_prompt_textual_simplification
<details>
<summary>Citation and License</summary>
#### Citation
See the DOI at the end of this dataset card.
#### License
The `bisect_fr_prompt_textual_simplification` dataset has the same license as the original dataset from which it is derived.
</details>
</details>
<details>
<summary><h1>Textual merging</h1></summary>
This task involves merging two short sentences into a single longer one.
## 21 prompts
<code>
'Fusionner les deux phrases suivantes en une seule tout en conservant leurs sens : "'+source+'" Version fusionnée : ', <br>
'Fusionne les deux phrases suivantes en une seule tout en conservant leurs sens : "'+source+'" Version fusionnée : ', <br>
'Fusionnez les deux phrases suivantes en une seule tout en conservant leurs sens : "'+source+'" Version fusionnée : ', <br>
'Combiner les deux phrases suivantes en une seule tout en conservant leurs sens : "'+source+'" Version combinée : ', <br>
'Combine les deux phrases suivantes en une seule tout en conservant leurs sens : "'+source+'" Version combinée : ', <br>
'Combinez les deux phrases suivantes en une seule tout en conservant leurs sens : "'+source+'" Version combinée : ', <br>
'Réunir les deux phrases suivantes en une seule tout en conservant leurs sens : "'+source+'" Version réunie : ', <br>
'Réunis les deux phrases suivantes en une seule tout en conservant leurs sens : "'+source+'" Version réunie : ', <br>
'Réunissez les deux phrases suivantes en une seule tout en conservant leurs sens : "'+source+'" Version réunie : ', <br>
'"'+source+' Fournir une version synonyme en une phrase des deux phrases précédentes : ', <br>
'"'+source+' Fournis une version synonyme en une phrase des deux phrases précédentes : ', <br>
'"'+source+' Fournissez une version synonyme en une phrase des deux phrases précédentes : ', <br>
'"'+source+' Ecrire une version synonyme en une phrase des deux phrases précédentes : ', <br>
'"'+source+' Ecris une version synonyme en une phrase des deux phrases précédentes : ', <br>
'"'+source+' Ecrivez une version synonyme en une phrase des deux phrases précédentes : ', <br>
'"'+source+' Rédiger une version synonyme en une phrase des deux phrases précédentes : ', <br>
'"'+source+' Rédige une version synonyme en une phrase des deux phrases précédentes : ', <br>
'"'+source+' Rédigez une version synonyme en une phrase des deux phrases précédentes : ', <br>
'"'+source+' Générer une version synonyme en une phrase des deux phrases précédentes : ', <br>
'"'+source+' Génère une version synonyme en une phrase des deux phrases précédentes : ', <br>
'"'+source+' Générez une version synonyme en une phrase des deux phrases précédentes : '
</code>
An example:
| inputs | targets |
| -------- | ------- |
| "Il ne faut pas avoir peur de poser des questions. Il vaut mieux prendre 5 minutes pour poser une question que de passer le double du temps à réparer les erreurs futures. Rédigez une version synonyme en une phrase des deux phrases précédentes : | N'ayez pas peur de poser des questions, il vaut mieux prendre quelques minutes pour poser les questions, puis passer le double du temps à corriger un problème ultérieur. |
## Datasets
### GEM/BiSECT
**Original**: https://huggingface.co/datasets/GEM/BiSECT
Note: only the French portion of this multilingual dataset is kept for our use.
The French split was obtained via an automatic translation of the English split.
<details>
<summary>Citation and License</summary>
#### Citation
Identical to the first citation of this dataset earlier in the card.
#### License
Identical to the first citation of this dataset earlier in the card.
</details>
**With prompts**: https://huggingface.co/datasets/CATIE-AQ/bisect_fr_prompt_textual_merging
<details>
<summary>Citation and License</summary>
#### Citation
See the DOI at the end of this dataset card.
#### License
The `bisect_fr_prompt_textual_merging` dataset has the same license as the original dataset from which it is derived.
</details>
</details>
<details>
<summary><h1>Coreference</h1></summary>
A Winograd schema is a pair of sentences that differ by only one or two words and contain an ambiguity that is resolved in opposite ways in both sentences, requiring the use of world knowledge and reasoning for its resolution.
## 10 prompts
<code>
'"'+sentence+'"\nRemplacer le "_" dans la phrase ci-dessus par la bonne option :\n- "'+option1+'"\n- "'+option2+'"', <br>
'"'+sentence+'"\nRemplace le "_" dans la phrase ci-dessus par la bonne option :\n- "'+option1+'"\n- "'+option2+'"', <br>
'"'+sentence+'"\nRemplacez le "_" dans la phrase ci-dessus par la bonne option :\n- "'+option1+'"\n- "'+option2+'"', <br>
'"'+sentence+'" Dans la phrase précédente, "_" fait-il référence à "'+option1+'" ou "'+option2+'" ?', <br>
'"'+sentence+'" À quoi le "_" dans la phrase ci-dessus fait-il référence ? "'+option1+'" ou "'+option2+'" ?',<br>
'"'+sentence+'" Le "_" dans la phrase ci-dessous fait référence à "'+option1+'"\n- "'+option2+'" ?', <br>
'Remplisser le "_" de la phrase suivante : "'+sentence+ '"\nChoix :\n- "'+option1+'"\n- "'+option2+'"\nRéponse :', <br>
'Remplis le "_" de la phrase suivante : "'+sentence+ '"\nChoix :\n- "'+option1+'"\n- "'+option2+'"\nRéponse :', <br>
'Remplissez le "_" de la phrase suivante : "'+sentence+ '"\nChoix :\n- "'+option1+'"\n- "'+option2+'"\nRéponse :', <br>
'Dans la phrase ci-dessous, le "_" renvoie-t-il à "'+option1+'" ou "'+option2+'" ? : '+sentence,
</code>
| inputs | targets |
| -------- | ------- |
| "La coupe n'entre pas dans la valise marron, car _ est trop grande." Remplacer le "_" dans la phrase ci-dessus par la bonne option : <br>- "La coupe" <br>- "la valise" | La coupe |
## Datasets
### Muennighoff/xwinograd
**Original**: https://huggingface.co/datasets/Muennighoff/xwinograd
Note: only the French portion of this multilingual dataset is kept for our use.
<details>
<summary>Citation and License</summary>
#### Citation
> @misc{muennighoff2022crosslingual,
title={Crosslingual Generalization through Multitask Finetuning},
author={Niklas Muennighoff and Thomas Wang and Lintang Sutawika and Adam Roberts and Stella Biderman and Teven Le Scao and M Saiful Bari and Sheng Shen and Zheng-Xin Yong and Hailey Schoelkopf and Xiangru Tang and Dragomir Radev and Alham Fikri Aji and Khalid Almubarak and Samuel Albanie and Zaid Alyafeai and Albert Webson and Edward Raff and Colin Raffel},
year={2022},
eprint={2211.01786},
archivePrefix={arXiv},
primaryClass={cs.CL}}
#### License
cc-by-nc-4.0
</details>
**With prompts**: https://huggingface.co/datasets/CATIE-AQ/xwinograd_fr_prompt_coreference
<details>
<summary>Citation and License</summary>
#### Citation
See the DOI at the end of this dataset card.
#### License
The `https://huggingface.co/datasets/CATIE-AQ/xwinograd_fr_prompt_coreference` dataset has the same license as the original dataset from which it is derived.
</details>
### demelin/wino_x
**Original**: https://huggingface.co/datasets/demelin/wino_x
Note: only the French portion of this multilingual dataset is kept for our use.
The French split was obtained via an automatic translation of the English split.
<details>
<summary>Citation and License</summary>
#### Citation
> @inproceedings{Emelin2021WinoXMW, title={Wino-X: Multilingual Winograd Schemas for Commonsense Reasoning and Coreference Resolution}, author={Denis Emelin and Rico Sennrich}, booktitle={EMNLP}, year={2021} }
#### License
MIT
</details>
**With prompts**: https://huggingface.co/datasets/CATIE-AQ/wino_x_fr_prompt_coreference
<details>
<summary>Citation and License</summary>
#### Citation
See the DOI at the end of this dataset card.
#### License
The `https://huggingface.co/datasets/CATIE-AQ/wino_x_fr_prompt_coreference` dataset has the same license as the original dataset from which it is derived.
</details>
</details>
<details>
<summary><h1>Sentiment analysis</h1></summary>
The goal is to classify a text into one of two categories: positive or negative.
In our case, the target/output is "pos" (for positive) or "neg" (for negative).
## 28 prompts
<code>
'Commentaire : "'+review+'" Le commentaire est-il positif ou négatif ?', <br>
"""Avis : " """+review+""" " L'avis est-il positif ou négatif ?""", <br>
'Critique : "'+review+'" La critique est-elle positive ou négative ?', <br>
"""Evaluation : " """+review+""" " L'évaluation est-elle positive ou négative ?""", <br>
'Ce commentaire sur le produit est-il positif ou négatif ? \nCommentaire : "'+review+'"\nRéponse :', <br>
'Cet avis sur le produit est-il positif ou négatif ? \nAvis : "'+review+'"\nRéponse :', <br>
'Cette critique sur le produit est-elle positive ou négative ? \nCritique : "'+review+'"\nRéponse :', <br>
'Cette évaluation sur le produit est-elle positive ou négative ? \nEvaluation : "'+review+'"\nRéponse :', <br>
'Commentaire : "'+review+'"\n Ce commentaire sur le produit exprime-t-il un sentiment négatif ou positif ?', <br>
'Avis : "'+review+'"\n Cet avis sur le produit exprime-t-il un sentiment négatif ou positif ?', <br>
'Critique : "'+review+'"\n Cette critique sur le produit exprime-t-il un sentiment négatif ou positif ?', <br>
'Evaluation : "'+review+'"\n Cette évaluation sur le produit exprime-t-il un sentiment négatif ou positif ?', <br>
'Ce commentaire sur le produit a-t-il un ton négatif ou positif ? \n Commentaire : "'+review+'"\n Réponse :', <br>
'Cet avis sur le produit a-t-il un ton négatif ou positif ? \n Avis : "'+review+'"\n Réponse :', <br>
'Cette critique sur le produit a-t-il un ton négatif ou positif ? \n Evaluation : "'+review+'"\n Réponse :', <br>
'Cette évaluation sur le produit a-t-il un ton négatif ou positif ? \n Avis : "'+review+'"\n Réponse :', <br>
"""Voici un commentaire laissé par un client sur un produit. Diriez-vous qu'il est négatif ou positif ? \nCommentaire : """+review, <br>
"""Voici un avis laissé par un client sur un produit. Diriez-vous qu'il est négatif ou positif ? \nAvis : """+review, <br>
"""Voici une critique laissée par un client sur un produit. Diriez-vous qu'elle est négative ou positive ? \nCritique : """+review, <br>
"""Voici une évaluation laissée par un client sur un produit. Diriez-vous qu'elle est négative ou positive ? \nEvaluation : """+review, <br>
'Commentaire du produit : "'+review+'" Ce commentaire dépeint le produit sous un angle négatif ou positif ?', <br>
'Avis du produit : "'+review+'" Cet avis dépeint le produit sous un angle négatif ou positif ?', <br>
'Critique du produit : "'+review+'" Cette critique dépeint le produit sous un angle négatif ou positif ?', <br>
'Evaluation du produit : "'+review+'" Cette évaluation dépeint le produit sous un angle négatif ou positif ?', <br>
'Le commentaire suivant exprime quel sentiment ?\n Commentaire' +review, <br>
"""L'avis suivant exprime quel sentiment ?\n Avis""" +review, <br>
'La critique suivante exprime quel sentiment ?\n Critique' +review, <br>
"""L'évaluation suivante exprime quel sentiment ?\n Evaluation""" +review
</code>
An example:
| inputs | targets |
| -------- | ------- |
| Evaluation : " Alors franchement pour le moment c'est le meilleur films de Noël pour moi, et les acteurs sont plutôt bon, et l'histoire et vraiment cool, je le conseil vraiment il est cool. " L'évaluation est-elle positive ou négative ?|pos|
## Datasets
### Abirate/french_book_reviews
**Original**: https://huggingface.co/datasets/Abirate/french_book_reviews
The dataset is in native French.
<details>
<summary>Citation and License</summary>
#### Citation
> @misc {abir_eltaief_2023,
author = { {Abir ELTAIEF} },
title = { french_book_reviews (Revision 534725e) },
year = 2023,
url = { https://huggingface.co/datasets/Abirate/french_book_reviews },
doi = { 10.57967/hf/1052 },
publisher = { Hugging Face }}
#### License
CC0: Public Domain
</details>
**With prompts**: https://huggingface.co/datasets/CATIE-AQ/french_book_reviews_fr_prompt_sentiment_analysis
<details>
<summary>Citation and License</summary>
#### Citation
See the DOI at the end of this dataset card.
#### License
The `https://huggingface.co/datasets/CATIE-AQ/french_book_reviews_fr_prompt_sentiment_analysis` dataset has the same license as the original dataset from which it is derived.
</details>
### allocine
**Original**: https://huggingface.co/datasets/allocine
The dataset is in native French.
<details>
<summary>Citation and License</summary>
#### Citation
> Théophile Blard, French sentiment analysis with BERT, (2020), GitHub repository, https://github.com/TheophileBlard/french-sentiment-analysis-with-bert
#### License
MIT
</details>
**With prompts**: https://huggingface.co/datasets/CATIE-AQ/allocine_fr_prompt_sentiment_analysis
<details>
<summary>Citation and License</summary>
#### Citation
See the DOI at the end of this dataset card.
#### License
The `https://huggingface.co/datasets/CATIE-AQ/allocine_fr_prompt_sentiment_analysis` dataset has the same license as the original dataset from which it is derived.
</details>
### amazon_reviews_multi
**Original**: https://huggingface.co/datasets/amazon_reviews_multi
Note: only the French portion of this multilingual dataset is kept for our use.
The dataset is in native French.
<details>
<summary>Citation and License</summary>
#### Citation
> @inproceedings{marc_reviews,
title={The Multilingual Amazon Reviews Corpus},
author={Keung, Phillip and Lu, Yichao and Szarvas, György and Smith, Noah A.},
booktitle={Proceedings of the 2020 Conference on Empirical Methods in Natural Language Processing},
year={2020}}
#### License
https://docs.opendata.aws/amazon-reviews-ml/license.txt
</details>
**With prompts**: https://huggingface.co/datasets/CATIE-AQ/amazon_reviews_multi_fr_prompt_sentiment_analysis
<details>
<summary>Citation and License</summary>
#### Citation
See the DOI at the end of this dataset card.
#### License
The `https://huggingface.co/datasets/CATIE-AQ/amazon_reviews_multi_fr_prompt_sentiment_analysis` dataset has the same license as the original dataset from which it is derived.
</details>
</details>
<details>
<summary><h1>Question Answering</h1></summary>
In the (extractive) Question Answering task, the model answers a question based on an associated contextual text.
Note that here we handle cases where the answer is indeed in the text provided, but also the case where the answer may not be present in the text.
## 42 prompts
<code>
# SQUAD 1.0 format<br>
'Question : "'+question+'"\nContexte : "'+context+'" Réponse :', <br>
'La réponse à la question "'+question+'" se trouve dans "'+context+'" Pouvez-vous me la dire ?', <br>
'La réponse à la question "'+question+'" se trouve dans "'+context+'" Peux-tu me la dire ?', <br>
'Extraire la réponse à la question à partir du contexte suivant.\n Question : "'+question+'" Contexte : "'+context+'"', <br>
'Extrais la réponse à la question à partir du contexte suivant.\n Question : "'+question+'" Contexte : "'+context+'"', <br>
'Extrayez la réponse à la question à partir du contexte suivant.\n Question : "'+question+'" Contexte : "'+context+'"', <br>
'Étant donné le passage suivant : "'+context+'"\n Répondre à la question suivante sachant que la réponse est présente dans le texte.\n Question : "'+question+'"', <br>
'Étant donné le passage suivant : "'+context+'"\n Réponds à la question suivante sachant que la réponse est présente dans le texte.\n Question : "'+question+'"', <br>
'Étant donné le passage suivant : "'+context+'"\n Répondez à la question suivante sachant que la réponse est présente dans le texte.\n Question : "'+question+'"', <br>
"""La réponse à la question : " """+question+""" " se trouve dans le texte : " """+context+""" "\n Peux-tu l'indiquer ?""", <br>
"""La réponse à la question : " """+question+""" " se trouve dans le texte : " """+context+""" "\n Pouvez-vous l'indiquer ?""", <br>
"""La réponse à la question : " """+question+""" " se trouve dans le texte : " """+context+""" "\n Qu'elle est-elle ?""", <br>
# SQUAD 2.0 format <br>
'"'+question+'"\n Répondre à la question ci-dessus en se basant sur le contexte suivant : "'+context+'"\n Si vous ne trouvez pas la réponse, répondre "sans réponse".', <br>
'"'+question+'"\n Réponds à la question ci-dessus en te basant sur le contexte suivant : "'+context+'"\n Si tu ne trouves pas la réponse, répondre "sans réponse".', <br>
'"'+question+'"\n Répondez à la question ci-dessus en vous basant sur le contexte suivant : "'+context+'"\n Si vous ne trouvez pas la réponse, répondre "sans réponse".', <br>
'Utiliser le texte suivant pour répondre à la question : '+question+ '\n\n "'+context+'"\n Si vous ne trouvez pas la réponse, répondre "sans réponse".', <br>
'Utilise le texte suivant pour répondre à la question : '+question+ '\n\n "'+context+'"\n Si tu ne trouves pas la réponse, répondre "sans réponse".', <br>
'Utilisez le texte suivant pour répondre à la question : '+question+ '\n\n "'+context+'"\n Si vous ne trouvez pas la réponse, répondre "sans réponse".', <br>
'Lire le texte suivant et extraire la réponse à la question : "'+question+'"\n\n "'+context+'"\n Si vous ne trouvez pas la réponse, répondre "sans réponse".', <br>
'Lis le texte suivant et extrais la réponse à la question : "'+question+'"\n\n "'+context+'"\n Si tu ne trouves pas la réponse, répondre "sans réponse".', <br>
'Lisez le texte suivant et extrayez la réponse à la question : "'+question+'"\n\n "'+context+'"\n Si vous ne trouvez pas la réponse, répondre "sans réponse".', <br>
'"'+context+'"\n\nSur la base du texte ci-dessus, répondre correctement à la question suivante : \n\n "'+question+'"\n Si vous ne trouvez pas la réponse, répondre "sans réponse".', <br>
'"'+context+'"\n\nSur la base du texte ci-dessus, réponds correctement à la question suivante : \n\n "'+question+'"\n Si tu ne trouves pas la réponse, répondre "sans réponse".', <br>
'"'+context+'"\n\nSur la base du texte ci-dessus, répondez répondre correctement à la question suivante : \n\n "'+question+'"\n Si vous ne trouvez pas la réponse, répondre "sans réponse".', <br>
'Contexte : '+ context +'\n Compte tenu du texte ci-dessus, répondre correctement à la question suivante : "'+question+'"\n Si vous ne trouvez pas la réponse, répondre "sans réponse".', <br>
'Contexte : '+ context +'\n Compte tenu du texte ci-dessus, réponds correctement à la question suivante : "'+question+'"\n Si tu ne trouves pas la réponse, répondre "sans réponse".', <br>
'Contexte : '+ context +'\n Compte tenu du texte ci-dessus, répondez correctement à la question suivante : "'+question+'"\n Si vous ne trouvez pas la réponse, répondre "sans réponse".', <br>
'"'+context+'"\n Extraire du passage la réponse à la question suivante : "'+question+'"\n Si vous ne trouvez pas la réponse, répondre "sans réponse".', <br>
'"'+context+'"\n Extrais du passage la réponse à la question suivante : "'+question+'"\n Si tu ne trouves pas la réponse, répondre "sans réponse".', <br>
'"'+context+'"\n Extrayez du passage la réponse à la question suivante : "'+question+'"\n Si vous ne trouvez pas la réponse, répondre "sans réponse".', <br>
'Compte tenu du passage suivant, répondre à la question qui suit : "'+context+'"\n "'+question+'"\n Si vous ne trouvez pas la réponse, répondre "sans réponse".', <br>
'Compte tenu du passage suivant, réponds à la question qui suit : "'+context+'"\n "'+question+'"\n Si tu ne trouves pas la réponse, répondre "sans réponse".', <br>
'Compte tenu du passage suivant, répondez à la question qui suit : "'+context+'"\n "'+question+'"\n Si vous ne trouvez pas la réponse, répondre "sans réponse".', <br>
'Après avoir lu le paragraphe, répondre à la question suivante : "'+context+'"\n "'+question+'"\n Si vous ne trouvez pas la réponse, répondre "sans réponse".', <br>
'Après avoir lu le paragraphe, réponds à la question suivante : "'+context+'"\n "'+question+'"\n Si tu ne trouves pas la réponse, répondre "sans réponse".', <br>
'Après avoir lu le paragraphe, répondez à la question suivante : "'+context+'"\n "'+question+'"\n Si vous ne trouvez pas la réponse, répondre "sans réponse".', <br>
'Se référer au passage ci-dessous et répondre à la question suivante:\n Passage : "'+context+'"Question : "'+question+'"\n Si vous ne trouvez pas la réponse, répondre "sans réponse".', <br>
'Référe-toi au passage ci-dessous et réponds à la question suivante:\n Passage : "'+context+'"Question : "'+question+'"\n Si tu ne trouves pas la réponse, répondre "sans réponse".', <br>
'Référez-vous au passage ci-dessous et répondez à la question suivante:\n Passage : "'+context+'"Question : "'+question+'"\n Si vous ne trouvez pas la réponse, répondre "sans réponse".', <br>
'Lire le passage suivant et répondez à la question qui suit : \n "'+context+'"\n "'+question+'"\n Si vous ne trouvez pas la réponse, répondre "sans réponse".', <br>
'Lis le passage suivant et répondez à la question qui suit : \n "'+context+'"\n "'+question+'"\n Si tu ne trouves pas la réponse, répondre "sans réponse".', <br>
'Lisez le passage suivant et répondez à la question qui suit : \n "'+context+'"\n "'+question+'"\n Si vous ne trouvez pas la réponse, répondre "sans réponse".',
</code>
An example:
| inputs | targets |
| -------- | ------- |
| Question : "Quand Beyonce a-t-elle commencé à devenir populaire ?" Contexte : "Beyoncé Giselle Knowles-Carter (/ biːˈjɒnseɪ / bee-YON-say) (née le 4 septembre 1981) est une chanteuse, compositrice, productrice de disques et actrice américaine. Née et élevée à Houston, au Texas, elle a joué dans divers chant et danse enfant, et est devenu célèbre à la fin des années 1990 en tant que chanteuse du groupe de filles R&B Destiny's Child. Géré par son père, Mathew Knowles, le groupe est devenu l'un des groupes de filles les plus vendus au monde de tous les temps. a vu la sortie du premier album de Beyoncé, Dangerously in Love (2003), qui l'a établie en tant qu'artiste solo dans le monde entier, a remporté cinq Grammy Awards et a présenté les singles numéro un du Billboard Hot 100 Crazy in Love et Baby Boy." Réponse :|à la fin des années 1990|
## Datasets
### pragnakalp/squad_v2_french_translated
**Original**: https://huggingface.co/datasets/pragnakalp/squad_v2_french_translated
The French split was obtained via an automatic translation of the English split.
<details>
<summary>Citation and License</summary>
#### Citation
> Hugging Face repository: https://huggingface.co/datasets/pragnakalp/squad_v2_french_translated
#### License
apache-2.0
</details>
**With prompts**: https://huggingface.co/datasets/CATIE-AQ/squad_v2_french_translated_fr_prompt_qa
<details>
<summary>Citation and License</summary>
#### Citation
See the DOI at the end of this dataset card.
#### License
The `squad_v2_french_translated_fr_prompt_qa` dataset has the same license as the original dataset from which it is derived.
</details>
### fquad
**Original**: https://huggingface.co/datasets/fquad
The dataset is in native French.
<details>
<summary>Citation and License</summary>
#### Citation
> @ARTICLE{2020arXiv200206071
author = {Martin, d'Hoffschmidt and Maxime, Vidal and Wacim, Belblidia and Tom, Brendlé},
title = "{FQuAD: French Question Answering Dataset}",
journal = {arXiv e-prints},
keywords = {Computer Science - Computation and Language},
year = "2020",
month = "Feb",
eid = {arXiv:2002.06071},
pages = {arXiv:2002.06071},
archivePrefix = {arXiv},
eprint = {2002.06071},
primaryClass = {cs.CL}}
#### License
CC BY-NC-SA 3.0
</details>
**With prompts**: https://huggingface.co/datasets/CATIE-AQ/fquad_fr_prompt_qa
<details>
<summary>Citation and License</summary>
#### Citation
See the DOI at the end of this dataset card.
#### License
The `fquad_fr_prompt_qa` dataset has the same license as the original dataset from which it is derived.
</details>
### etalab-ia/piaf
**Original**: https://huggingface.co/datasets/etalab-ia/piaf
The dataset is in native French.
<details>
<summary>Citation and License</summary>
#### Citation
> @InProceedings{keraron-EtAl:2020:LREC,
author = {Keraron, Rachel and Lancrenon, Guillaume and Bras, Mathilde and Allary, Frédéric and Moyse, Gilles and Scialom, Thomas and Soriano-Morales, Edmundo-Pavel and Staiano, Jacopo},
title = {Project PIAF: Building a Native French Question-Answering Dataset},
booktitle = {Proceedings of The 12th Language Resources and Evaluation Conference},
month = {May},
year = {2020},
address = {Marseille, France},
publisher = {European Language Resources Association},
pages = {5483--5492},
url = {https://www.aclweb.org/anthology/2020.lrec-1.673}
}
#### License
MIT
</details>
**With prompts**: https://huggingface.co/datasets/CATIE-AQ/piaf_fr_prompt_qa
<details>
<summary>Citation and License</summary>
#### Citation
See the DOI at the end of this dataset card.
#### License
The `piaf_fr_prompt_qa` dataset has the same license as the original dataset from which it is derived.
</details>
### lincoln/newsquadfr
**Original**: https://huggingface.co/datasets/lincoln/newsquadfr
The dataset is in native French.
<details>
<summary>Citation and License</summary>
#### Citation
> Hugging Face repository: https://huggingface.co/datasets/lincoln/newsquadfr
#### License
CC BY-NC-SA 4.0
</details>
**With prompts**: https://huggingface.co/datasets/CATIE-AQ/newsquadfr_fr_prompt_qa
<details>
<summary>Citation and License</summary>
#### Citation
See the DOI at the end of this dataset card.
#### License
The `newsquadfr_fr_prompt_qa` dataset has the same license as the original dataset from which it is derived.
</details>
</details>
<details>
<summary><h1>Context generation with answer and question</h1></summary>
Text generation task where we use the answer and the question in a QA dataset to generate a context.
## 24 prompts
<code>
'Étant donné la réponse "'+ answer+'" à la question "'+question+'", écrire un texte explicatif.\nTexte : ', <br>
'Étant donné la réponse "'+ answer+'" à la question "'+question+'", écris un texte explicatif.\nTexte : ', <br>
'Étant donné la réponse "'+ answer+'" à la question "'+question+'", écrivez un texte explicatif.\nTexte : ', <br>
'Étant donné la réponse "'+ answer+'" à la question "'+question+'", rédiger un texte explicatif.\nTexte : ', <br>
'Étant donné la réponse "'+ answer+'" à la question "'+question+'", rédige un texte explicatif.\nTexte : ', <br>
'Étant donné la réponse "'+ answer+'" à la question "'+question+'", rédigez un texte explicatif.\nTexte : ', <br>
'Étant donné la réponse "'+ answer+'" à la question "'+question+'", générer un texte explicatif.\nTexte : ', <br>
'Étant donné la réponse "'+ answer+'" à la question "'+question+'", génère un texte explicatif.\nTexte : ', <br>
'Étant donné la réponse "'+ answer+'" à la question "'+question+'", générez un texte explicatif.\nTexte : ', <br>
'Étant donné la réponse "'+ answer+'" à la question "'+question+'", créer un texte explicatif.\nTexte : ', <br>
'Étant donné la réponse "'+ answer+'" à la question "'+question+'", crée un texte explicatif.\nTexte : ', <br>
'Étant donné la réponse "'+ answer+'" à la question "'+question+'", créez un texte explicatif.\nTexte : ', <br>
'Ecrire un texte comme contexte de la réponse "'+ answer+'" à la question "'+question+'" \nTexte : ', <br>
'Ecris un texte comme contexte de la réponse "'+ answer+'" à la question "'+question+'" \nTexte : ', <br>
'Ecrivez un texte comme contexte de la réponse "'+ answer+'" à la question "'+question+'" \nTexte : ', <br>
'Rédiger un texte comme contexte de la réponse "'+ answer+'" à la question "'+question+'" \nTexte : ', <br>
'Rédige un texte comme contexte de la réponse "'+ answer+'" à la question "'+question+'" \nTexte : ', <br>
'Rédigez un texte comme contexte de la réponse "'+ answer+'" à la question "'+question+'" \nTexte : ', <br>
'Générer un texte comme contexte de la réponse "'+ answer+'" à la question "'+question+'" \nTexte : ', <br>
'Génère un texte comme contexte de la réponse "'+ answer+'" à la question "'+question+'" \nTexte : ', <br>
'Générez un texte comme contexte de la réponse "'+ answer+'" à la question "'+question+'" \nTexte : ', <br>
'Créer un texte comme contexte de la réponse "'+ answer+'" à la question "'+question+'" \nTexte : ', <br>
'Crée un texte comme contexte de la réponse "'+ answer+'" à la question "'+question+'" \nTexte : ', <br>
'Créez un texte comme contexte de la réponse "'+ answer+'" à la question "'+question+'" \nTexte : '
</code>
An example:
| inputs | targets |
| -------- | ------- |
| Étant donné la réponse "100 000" à la question "Combien de personnes travaillent au ministère des sports", écrire un texte explicatif. Texte : | Les dépenses des ménages représentent plus de 50 % de ces montants (14,2 milliards d'euros en 2003 et 12 milliards d'euros en 2019), contre 7,9 milliards d'euros pour les collectivités locales, 3,2 pour l'État, et 2,2 pour les entreprises. Parmi les dépenses sportives des ménages en 2003, 3,7 milliards sont consacrés aux vêtements de sport et chaussures, 2 aux biens durables, 2,7 aux autres biens et 5,8 aux services. Le Ministère de la Jeunesse et des Sports estime à 100 000 (58 % d'hommes pour 42 % de femmes) le nombre de salariés travaillant pour le secteur sportif en France pour quelque 20 000 employeurs.|
## Datasets
### pragnakalp/squad_v2_french_translated
**Original**: https://huggingface.co/datasets/pragnakalp/squad_v2_french_translated
The French split was obtained via an automatic translation of the English split.
<details>
<summary>Citation and License</summary>
#### Citation
Identical to the first citation of this dataset earlier in the card.
#### License
Identical to the first citation of this dataset earlier in the card.
</details>
**With prompts**: https://huggingface.co/datasets/CATIE-AQ/squad_v2_french_translated_fr_prompt_context_generation_with_answer_and_question
<details>
<summary>Citation and License</summary>
#### Citation
See the DOI at the end of this dataset card.
#### License
The `squad_v2_french_translated_fr_prompt_context_generation_with_answer_and_question` dataset has the same license as the original dataset from which it is derived.
</details>
### fquad
**Original**: https://huggingface.co/datasets/fquad
The dataset is in native French.
<details>
<summary>Citation and License</summary>
#### Citation
Identical to the first citation of this dataset earlier in the card.
#### License
Identical to the first citation of this dataset earlier in the card.
</details>
**With prompts**: https://huggingface.co/datasets/CATIE-AQ/fquad_fr_prompt_context_generation_with_answer_and_question
<details>
<summary>Citation and License</summary>
#### Citation
See the DOI at the end of this dataset card.
#### License
The `fquad_fr_prompt_context_generation_with_answer_and_question` dataset has the same license as the original dataset from which it is derived.
</details>
### etalab-ia/piaf
**Original**: https://huggingface.co/datasets/etalab-ia/piaf
The dataset is in native French.
<details>
<summary>Citation and License</summary>
#### Citation
Identical to the first citation of this dataset earlier in the card.
#### License
Identical to the first citation of this dataset earlier in the card.
</details>
**With prompts**: https://huggingface.co/datasets/CATIE-AQ/piaf_fr_prompt_context_generation_with_answer_and_question
<details>
<summary>Citation and License</summary>
#### Citation
See the DOI at the end of this dataset card.
#### License
The `piaf_fr_prompt_context_generation_with_answer_and_question` dataset has the same license as the original dataset from which it is derived.
</details>
### lincoln/newsquadfr
**Original**: https://huggingface.co/datasets/lincoln/newsquadfr
The dataset is in native French.
<details>
<summary>Citation and License</summary>
#### Citation
Identical to the first citation of this dataset earlier in the card.
#### License
Identical to the first citation of this dataset earlier in the card.
</details>
**With prompts**: https://huggingface.co/datasets/CATIE-AQ/newsquadfr_fr_prompt_context_generation_with_answer_and_question
<details>
<summary>Citation and License</summary>
#### Citation
See the DOI at the end of this dataset card.
#### License
The `newsquadfr_fr_prompt_context_generation_with_answer_and_question` dataset has the same license as the original dataset from which it is derived.
</details>
</details>
<details>
<summary><h1>Question generation with answer and context</h1></summary>
Text generation task where we use the answer and the context in a QA dataset to generate a question.
## 21 prompts
<code>
'Déterminer la question qui aurait pu être posée pour obtenir la réponse suivante dans le contexte donné. \n Contexte : "'+context+'";\n Réponse : "'+answer+'";\n Question :', <br>
'Détermine la question que tu aurais pu poser pour obtenir la réponse suivante dans le contexte donné. \n Contexte : "'+context+'";\n Réponse : "'+answer+'";\n Question :', <br>
'Déterminez la question que vous auriez pu poser pour obtenir la réponse suivante dans le contexte donné. \n Contexte : "'+context+'";\n Réponse : "'+answer+'";\n Question :', <br>
'Quelle question aurait pu être posée pour obtenir la réponse suivante dans le contexte donné. \n Contexte : "'+context+'";\n Réponse : "'+answer+'";\n Question :', <br>
'Quelle question aurais-tu pu poser pour obtenir la réponse suivante dans le contexte donné. \n Contexte : "'+context+'";\n Réponse : "'+answer+'";\n Question :', <br>
'Quelle question auriez-vous pu poser pour obtenir la réponse suivante dans le contexte donné. \n Contexte : "'+context+'";\n Réponse : "'+answer+'";\n Question :', <br>
'Quelle question peut être posée pour obtenir la réponse suivante dans le contexte donné. \n Contexte : "'+context+'";\n Réponse : "'+answer+'";\n Question :', <br>
'Quelle question peux-tu poser pour obtenir la réponse suivante dans le contexte donné. \n Contexte : "'+context+'";\n Réponse : "'+answer+'";\n Question :', <br>
'Quelle question pouvez-vous poser pour obtenir la réponse suivante dans le contexte donné. \n Contexte : "'+context+'";\n Réponse : "'+answer+'";\n Question :', <br>
'Sachant la réponse suivante : "'+answer+'"\n Générer une bonne question pour le texte suivant : "'+context+'"', <br>
'Sachant la réponse suivante : "'+answer+'"\n Génère une bonne question pour le texte suivant : "'+context+'"', <br>
'Sachant la réponse suivante : "'+answer+'"\n Générez une bonne question pour le texte suivant : "'+context+'"', <br>
'Sachant la réponse suivante : "'+answer+'"\n Trouver une bonne question pour le texte suivant : "'+context+'"', <br>
'Sachant la réponse suivante : "'+answer+'"\n Trouves une bonne question pour le texte suivant : "'+context+'"', <br>
'Sachant la réponse suivante : "'+answer+'"\n Trouvez une bonne question pour le texte suivant : "'+context+'"', <br>
'Sachant la réponse suivante : "'+answer+'"\n Créer une bonne question pour le texte suivant : "'+context+'"', <br>
'Sachant la réponse suivante : "'+answer+'"\n Crée trouver une bonne question pour le texte suivant : "'+context+'"', <br>
'Sachant la réponse suivante : "'+answer+'"\n Créez trouver une bonne question pour le texte suivant : "'+context+'"', <br>
'Sachant la réponse suivante : "'+answer+'"\n Ecrire une bonne question pour le texte suivant : "'+context+'"', <br>
'Sachant la réponse suivante : "'+answer+'"\n Ecris une bonne question pour le texte suivant : "'+context+'"', <br>
'Sachant la réponse suivante : "'+answer+'"\n Ecrivez une bonne question pour le texte suivant : "'+context+'"
</code>
An example:
| inputs | targets |
| -------- | ------- |
| Déterminer la question qui aurait pu être posée pour obtenir la réponse suivante dans le contexte donné. Contexte : "Les dépenses des ménages représentent plus de 50 % de ces montants (14,2 milliards d'euros en 2003 et 12 milliards d'euros en 2019), contre 7,9 milliards d'euros pour les collectivités locales, 3,2 pour l'État, et 2,2 pour les entreprises. Parmi les dépenses sportives des ménages en 2003, 3,7 milliards sont consacrés aux vêtements de sport et chaussures, 2 aux biens durables, 2,7 aux autres biens et 5,8 aux services. Le Ministère de la Jeunesse et des Sports estime à 100 000 (58 % d'hommes pour 42 % de femmes) le nombre de salariés travaillant pour le secteur sportif en France pour quelque 20 000 employeurs."; Réponse : "100 000"; Question :| Combien de personnes travaillent au ministère des sports|
## Datasets
### pragnakalp/squad_v2_french_translated
**Original**: https://huggingface.co/datasets/pragnakalp/squad_v2_french_translated
The French split was obtained via an automatic translation of the English split.
<details>
<summary>Citation and License</summary>
#### Citation
Identical to the first citation of this dataset earlier in the card.
#### License
Identical to the first citation of this dataset earlier in the card.
</details>
**With prompts**: https://huggingface.co/datasets/CATIE-AQ/squad_v2_french_translated_fr_prompt_question_generation_with_answer_and_context
<details>
<summary>Citation and License</summary>
#### Citation
See the DOI at the end of this dataset card.
#### License
The `squad_v2_french_translated_fr_prompt_question_generation_with_answer_and_context` dataset has the same license as the original dataset from which it is derived.
</details>
### fquad
**Original**: https://huggingface.co/datasets/fquad
The dataset is in native French.
<details>
<summary>Citation and License</summary>
#### Citation
Identical to the first citation of this dataset earlier in the card.
#### License
Identical to the first citation of this dataset earlier in the card.
</details>
**With prompts**: https://huggingface.co/datasets/CATIE-AQ/fquad_fr_prompt_question_generation_with_answer_and_context
<details>
<summary>Citation and License</summary>
#### Citation
See the DOI at the end of this dataset card.
#### License
The `fquad_fr_prompt_question_generation_with_answer_and_context` dataset has the same license as the original dataset from which it is derived.
</details>
### etalab-ia/piaf
**Original**: https://huggingface.co/datasets/etalab-ia/piaf
The dataset is in native French.
<details>
<summary>Citation and License</summary>
#### Citation
Identical to the first citation of this dataset earlier in the card.
#### License
Identical to the first citation of this dataset earlier in the card.
</details>
**With prompts**: https://huggingface.co/datasets/CATIE-AQ/piaf_fr_prompt_question_generation_with_answer_and_context
<details>
<summary>Citation and License</summary>
#### Citation
See the DOI at the end of this dataset card.
#### License
The `piaf_fr_prompt_question_generation_with_answer_and_context` dataset has the same license as the original dataset from which it is derived.
</details>
### lincoln/newsquadfr
**Original**: https://huggingface.co/datasets/lincoln/newsquadfr
The dataset is in native French.
<details>
<summary>Citation and License</summary>
#### Citation
Identical to the first citation of this dataset earlier in the card.
#### License
Identical to the first citation of this dataset earlier in the card.
</details>
**With prompts**: https://huggingface.co/datasets/CATIE-AQ/newsquadfr_fr_prompt_question_generation_with_answer_and_context
<details>
<summary>Citation and License</summary>
#### Citation
See the DOI at the end of this dataset card.
#### License
The `newsquadfr_fr_prompt_question_generation_with_answer_and_context` dataset has the same license as the original dataset from which it is derived.
</details>
</details>
<details>
<summary><h1>Question generation with answer</h1></summary>
Text generation task where we use the answer in a QA dataset to generate a question.
## 22 prompts
<code>
'Quelle question donnerait la réponse suivante ? Réponse : "'+answer+'";\nQuestion :', <br>
'Déterminer la question qui aurait pu être posée pour obtenir la réponse suivante. \n Réponse : "'+answer+'";\n Question :', <br>
'Détermine la question que tu aurais pu poser pour obtenir la réponse suivante. \n Réponse : "'+answer+'";\n Question :', <br>
'Déterminez la question que vous auriez pu poser pour obtenir la réponse suivante . \n Réponse : "'+answer+'";\n Question :', <br>
'Quelle question aurait pu être posée pour obtenir la réponse suivante. \n Réponse : "'+answer+'";\n Question :', <br>
'Quelle question aurais-tu pu poser pour obtenir la réponse suivante. \n Réponse : "'+answer+'";\n Question :', <br>
'Quelle question auriez-vous pu poser pour obtenir la réponse suivante. \n Réponse : "'+answer+'";\n Question :', <br>
'Quelle question aurait pu être posée pour obtenir la réponse suivante. \n Réponse : "'+answer+'";\n Question :', <br>
'Quelle question aurais-tu pu poser pour obtenir la réponse suivante. \n Réponse : "'+answer+'";\n Question :', <br>
'Quelle question auriez-vous pu poser pour obtenir la réponse suivante. \n Réponse : "'+answer+'";\n Question :', <br>
'Sachant la réponse suivante : "'+answer+'"\n Générer une bonne question : ', <br>
'Sachant la réponse suivante : "'+answer+'"\n Génère une bonne question : ', <br>
'Sachant la réponse suivante : "'+answer+'"\n Générez une bonne question : ', <br>
'Sachant la réponse suivante : "'+answer+'"\n Trouver une bonne question : ', <br>
'Sachant la réponse suivante : "'+answer+'"\n Trouves une bonne question : ', <br>
'Sachant la réponse suivante : "'+answer+'"\n Trouvez une bonne question : ', <br>
'Sachant la réponse suivante : "'+answer+'"\n Créer une bonne question : ', <br>
'Sachant la réponse suivante : "'+answer+'"\n Crée trouver une bonne question : ', <br>
'Sachant la réponse suivante : "'+answer+'"\n Créez trouver une bonne question : ', <br>
'Sachant la réponse suivante : "'+answer+'"\n Ecrire une bonne question : ', <br>
'Sachant la réponse suivante : "'+answer+'"\n Ecris une bonne question : ', <br>
'Sachant la réponse suivante : "'+answer+'"\n Ecrivez une bonne question
</code>
An example:
| inputs | targets |
| -------- | ------- |
| Quelle question donnerait la réponse suivante ? Réponse : "100 000"; Question : | Combien de personnes travaillent au ministère des sports|
## Datasets
### pragnakalp/squad_v2_french_translated
**Original**: https://huggingface.co/datasets/pragnakalp/squad_v2_french_translated
The French split was obtained via an automatic translation of the English split.
<details>
<summary>Citation and License</summary>
#### Citation
Identical to the first citation of this dataset earlier in the card.
#### License
Identical to the first citation of this dataset earlier in the card.
</details>
**With prompts**: https://huggingface.co/datasets/CATIE-AQ/squad_v2_french_translated_fr_prompt_question_generation_with_answer
<details>
<summary>Citation and License</summary>
#### Citation
See the DOI at the end of this dataset card.
#### License
The `squad_v2_french_translated_fr_prompt_question_generation_with_answer` dataset has the same license as the original dataset from which it is derived.
</details>
### fquad
**Original**: https://huggingface.co/datasets/fquad
The dataset is in native French.
<details>
<summary>Citation and License</summary>
#### Citation
Identical to the first citation of this dataset earlier in the card.
#### License
Identical to the first citation of this dataset earlier in the card.
</details>
**With prompts**: https://huggingface.co/datasets/CATIE-AQ/fquad_fr_prompt_question_generation_with_answer
<details>
<summary>Citation and License</summary>
#### Citation
See the DOI at the end of this dataset card.
#### License
The `fquad_fr_prompt_question_generation_with_answer` dataset has the same license as the original dataset from which it is derived.
</details>
### etalab-ia/piaf
**Original**: https://huggingface.co/datasets/etalab-ia/piaf
The dataset is in native French.
<details>
<summary>Citation and License</summary>
#### Citation
Identical to the first citation of this dataset earlier in the card.
#### License
Identical to the first citation of this dataset earlier in the card.
</details>
**With prompts**: https://huggingface.co/datasets/CATIE-AQ/piaf_fr_prompt_question_generation_with_answer
<details>
<summary>Citation and License</summary>
#### Citation
See the DOI at the end of this dataset card.
#### License
The `piaf_fr_prompt_question_generation_with_answer` dataset has the same license as the original dataset from which it is derived.
</details>
### lincoln/newsquadfr
**Original**: https://huggingface.co/datasets/lincoln/newsquadfr
The dataset is in native French.
<details>
<summary>Citation and License</summary>
#### Citation
Identical to the first citation of this dataset earlier in the card.
#### License
Identical to the first citation of this dataset earlier in the card.
</details>
**With prompts**: https://huggingface.co/datasets/CATIE-AQ/newsquadfr_fr_prompt_question_generation_with_answer
<details>
<summary>Citation and License</summary>
#### Citation
See the DOI at the end of this dataset card.
#### License
The `newsquadfr_fr_prompt_question_generation_with_answer` dataset has the same license as the original dataset from which it is derived.
</details>
</details>
<details>
<summary><h1>Question generation with context</h1></summary>
Text generation task where we use the context in a QA dataset to generate a question.
## 24 prompts
<code>
'"'+context+'"\n Générer une question à partir du texte ci-dessus : ', <br>
'"'+context+'"\n Génère une question à partir du texte ci-dessus : ', <br>
'"'+context+'"\n Générez une question à partir du texte ci-dessus : ', <br>
'"'+context+'"\n Trouver une question à partir du texte ci-dessus : ', <br>
'"'+context+'"\n Trouve une question à partir du texte ci-dessus : ', <br>
'"'+context+'"\n Trouvez une question à partir du texte ci-dessus : ', <br>
'"'+context+'"\n Créer une bonne question à partir du texte ci-dessus : ', <br>
'"'+context+'"\n Crée trouver une bonne question à partir du texte ci-dessus : ', <br>
'"'+context+'"\n Créez trouver une bonne question à partir du texte ci-dessus : ', <br>
'"'+context+'"\n Ecrire une bonne question à partir du texte ci-dessus : ', <br>
'"'+context+'"\n Ecris une bonne question à partir du texte ci-dessus : ', <br>
'"'+context+'"\n Ecrivez une bonne question à partir du texte ci-dessus : ', <br>
'Générer une bonne question pour le texte suivant : "'+context+'"', <br>
'Génère une bonne question pour le texte suivant : "'+context+'"', <br>
'Générez une bonne question pour le texte suivant : "'+context+'"', <br>
'Trouver une bonne question pour le texte suivant : "'+context+'"', <br>
'Trouve une bonne question pour le texte suivant : "'+context+'"', <br>
'Trouvez trouver une bonne question pour le texte suivant : "'+context+'"', <br>
'Créer une bonne question pour le texte suivant : "'+context+'"', <br>
'Crée trouver une bonne question pour le texte suivant : "'+context+'"',<br>
'Créez trouver une bonne question pour le texte suivant : "'+context+'"', <br>
'Ecrire une bonne question pour le texte suivant : "'+context+'"', <br>
'Ecris une bonne question pour le texte suivant : "'+context+'"', <br>
'Ecrivez une bonne question pour le texte suivant : "'+context+'"'
</code>
An example:
| inputs | targets |
| -------- | ------- |
| "Les dépenses des ménages représentent plus de 50 % de ces montants (14,2 milliards d'euros en 2003 et 12 milliards d'euros en 2019), contre 7,9 milliards d'euros pour les collectivités locales, 3,2 pour l'État, et 2,2 pour les entreprises. Parmi les dépenses sportives des ménages en 2003, 3,7 milliards sont consacrés aux vêtements de sport et chaussures, 2 aux biens durables, 2,7 aux autres biens et 5,8 aux services. Le Ministère de la Jeunesse et des Sports estime à 100 000 (58 % d'hommes pour 42 % de femmes) le nombre de salariés travaillant pour le secteur sportif en France pour quelque 20 000 employeurs." Générer une question à partir du texte ci-dessus : | Combien de personnes travaillent au ministère des sports |
## Datasets
### pragnakalp/squad_v2_french_translated
**Original**: https://huggingface.co/datasets/pragnakalp/squad_v2_french_translated
The French split was obtained via an automatic translation of the English split.
<details>
<summary>Citation and License</summary>
#### Citation
Identical to the first citation of this dataset earlier in the card.
#### License
Identical to the first citation of this dataset earlier in the card.
</details>
**With prompts**: https://huggingface.co/datasets/CATIE-AQ/squad_v2_french_translated_fr_prompt_question_generation_with_context
<details>
<summary>Citation and License</summary>
#### Citation
See the DOI at the end of this dataset card.
#### License
The `squad_v2_french_translated_fr_prompt_question_generation_with_context` dataset has the same license as the original dataset from which it is derived.
</details>
### fquad
**Original**: https://huggingface.co/datasets/fquad
The dataset is in native French.
<details>
<summary>Citation and License</summary>
#### Citation
Identical to the first citation of this dataset earlier in the card.
#### License
Identical to the first citation of this dataset earlier in the card.
</details>
**With prompts**: https://huggingface.co/datasets/CATIE-AQ/fquad_fr_prompt_question_generation_with_context
<details>
<summary>Citation and License</summary>
#### Citation
See the DOI at the end of this dataset card.
#### License
The `fquad_fr_prompt_question_generation_with_context` dataset has the same license as the original dataset from which it is derived.
</details>
### etalab-ia/piaf
**Original**: https://huggingface.co/datasets/etalab-ia/piaf
The dataset is in native French.
<details>
<summary>Citation and License</summary>
#### Citation
Identical to the first citation of this dataset earlier in the card.
#### License
Identical to the first citation of this dataset earlier in the card.
</details>
**With prompts**: https://huggingface.co/datasets/CATIE-AQ/piaf_fr_prompt_question_generation_with_context
<details>
<summary>Citation and License</summary>
#### Citation
See the DOI at the end of this dataset card.
#### License
The `piaf_fr_prompt_question_generation_with_context` dataset has the same license as the original dataset from which it is derived.
</details>
### lincoln/newsquadfr
**Original**: https://huggingface.co/datasets/lincoln/newsquadfr
The dataset is in native French.
<details>
<summary>Citation and License</summary>
#### Citation
Identical to the first citation of this dataset earlier in the card.
#### License
Identical to the first citation of this dataset earlier in the card.
</details>
**With prompts**: https://huggingface.co/datasets/CATIE-AQ/newsquadfr_fr_prompt_question_generation_with_context
<details>
<summary>Citation and License</summary>
#### Citation
See the DOI at the end of this dataset card.
#### License
The `newsquadfr_fr_prompt_question_generation_with_context` dataset has the same license as the original dataset from which it is derived.
</details>
</details>
<details>
<summary><h1>Context generation with question</h1></summary>
Text generation task where we use the question in a QA dataset to generate a context.
## 24 prompts
<code>
'Étant donné la question "'+question+'", écrire un texte explicatif.\nTexte : ', <br>
'Étant donné la question "'+question+'", écris un texte explicatif.\nTexte : ', <br>
'Étant donné la question "'+question+'", écrivez un texte explicatif.\nTexte : ', <br>
'Étant donné la question "'+question+'", rédiger un texte explicatif.\nTexte : ', <br>
'Étant donné la question "'+question+'", rédige un texte explicatif.\nTexte : ', <br>
'Étant donné la question "'+question+'", rédigez un texte explicatif.\nTexte : ', <br>
'Étant donné la question "'+question+'", générer un texte explicatif.\nTexte : ', <br>
'Étant donné la question "'+question+'", génère un texte explicatif.\nTexte : ', <br>
'Étant donné la question "'+question+'", générez un texte explicatif.\nTexte : ', <br>
'Étant donné la question "'+question+'", créer un texte explicatif.\nTexte : ', <br>
'Étant donné la question "'+question+'", crée un texte explicatif.\nTexte : ', <br>
'Étant donné la question "'+question+'", créez un texte explicatif.\nTexte : ', <br>
'Ecrire un texte comme contexte à la question "'+question+'" \nTexte : ', <br>
'Ecris un texte comme contexte à la question "'+question+'" \nTexte : ', <br>
'Ecrivez un texte comme contexte à la question "'+question+'" \nTexte : ', <br>
'Rédiger un texte comme contexte à la question "'+question+'" \nTexte : ', <br>
'Rédige un texte comme contexte à la question "'+question+'" \nTexte : ', <br>
'Rédigez un texte comme contexte à la question "'+question+'" \nTexte : ', <br>
'Générer un texte comme contexte à la question "'+question+'" \nTexte : ', <br>
'Génère un texte comme contexte à la question "'+question+'" \nTexte : ', <br>
'Générez un texte comme contexte à la question "'+question+'" \nTexte : ', <br>
'Créer un texte comme contexte à la question "'+question+'" \nTexte : ', <br>
'Crée un texte comme contexte à la question "'+question+'" \nTexte : ', <br>
'Créez un texte comme contexte à la question "'+question+'" \nTexte : '
</code>
An example:
| inputs | targets |
| -------- | ------- |
| Étant donné la question "Combien de personnes travaillent au ministère des sports", écrire un texte explicatif. Texte : | Les dépenses des ménages représentent plus de 50 % de ces montants (14,2 milliards d'euros en 2003 et 12 milliards d'euros en 2019), contre 7,9 milliards d'euros pour les collectivités locales, 3,2 pour l'État, et 2,2 pour les entreprises. Parmi les dépenses sportives des ménages en 2003, 3,7 milliards sont consacrés aux vêtements de sport et chaussures, 2 aux biens durables, 2,7 aux autres biens et 5,8 aux services. Le Ministère de la Jeunesse et des Sports estime à 100 000 (58 % d'hommes pour 42 % de femmes) le nombre de salariés travaillant pour le secteur sportif en France pour quelque 20 000 employeurs.|
## Datasets
### pragnakalp/squad_v2_french_translated
**Original**: https://huggingface.co/datasets/pragnakalp/squad_v2_french_translated
The French split was obtained via an automatic translation of the English split.
<details>
<summary>Citation and License</summary>
#### Citation
Identical to the first citation of this dataset earlier in the card.
#### License
Identical to the first citation of this dataset earlier in the card.
</details>
**With prompts**: https://huggingface.co/datasets/CATIE-AQ/squad_v2_french_translated_fr_prompt_context_generation_with_question
<details>
<summary>Citation and License</summary>
#### Citation
See the DOI at the end of this dataset card.
#### License
The `squad_v2_french_translated_fr_prompt_context_generation_with_question` dataset has the same license as the original dataset from which it is derived.
</details>
### fquad
**Original**: https://huggingface.co/datasets/fquad
The dataset is in native French.
<details>
<summary>Citation and License</summary>
#### Citation
Identical to the first citation of this dataset earlier in the card.
#### License
Identical to the first citation of this dataset earlier in the card.
</details>
**With prompts**: https://huggingface.co/datasets/CATIE-AQ/fquad_fr_prompt_context_generation_with_question
<details>
<summary>Citation and License</summary>
#### Citation
See the DOI at the end of this dataset card.
#### License
The `fquad_fr_prompt_context_generation_with_question` dataset has the same license as the original dataset from which it is derived.
</details>
### etalab-ia/piaf
**Original**: https://huggingface.co/datasets/etalab-ia/piaf
The dataset is in native French.
<details>
<summary>Citation and License</summary>
#### Citation
Identical to the first citation of this dataset earlier in the card.
#### License
Identical to the first citation of this dataset earlier in the card.
</details>
**With prompts**: https://huggingface.co/datasets/CATIE-AQ/piaf_fr_prompt_context_generation_with_question
<details>
<summary>Citation and License</summary>
#### Citation
See the DOI at the end of this dataset card.
#### License
The `piaf_fr_prompt_context_generation_with_question` dataset has the same license as the original dataset from which it is derived.
</details>
### lincoln/newsquadfr
**Original**: https://huggingface.co/datasets/lincoln/newsquadfr
The dataset is in native French.
<details>
<summary>Citation and License</summary>
#### Citation
Identical to the first citation of this dataset earlier in the card.
#### License
Identical to the first citation of this dataset earlier in the card.
</details>
**With prompts**: https://huggingface.co/datasets/CATIE-AQ/newsquadfr_fr_prompt_context_generation_with_question
<details>
<summary>Citation and License</summary>
#### Citation
See the DOI at the end of this dataset card.
#### License
The `newsquadfr_fr_prompt_context_generation_with_question` dataset has the same license as the original dataset from which it is derived.
</details>
</details>
<details>
<summary><h1>Context generation with answer</h1></summary>
Text generation task where we use the answer in a QA dataset to generate a context.
## 24 prompts
<code>
'Étant donné la réponse "'+ answer+'", écrire un texte explicatif.\nTexte : ', <br>
'Étant donné la réponse "'+ answer+'", écris un texte explicatif.\nTexte : ', <br>
'Étant donné la réponse "'+ answer+'", écrivez un texte explicatif.\nTexte : ', <br>
'Étant donné la réponse "'+ answer+'", rédiger un texte explicatif.\nTexte : ', <br>
'Étant donné la réponse "'+ answer+'", rédige un texte explicatif.\nTexte : ', <br>
'Étant donné la réponse "'+ answer+'", rédigez un texte explicatif.\nTexte : ', <br>
'Étant donné la réponse "'+ answer+'", générer un texte explicatif.\nTexte : ', <br>
'Étant donné la réponse "'+ answer+'", génère un texte explicatif.\nTexte : ', <br>
'Étant donné la réponse "'+ answer+'", générez un texte explicatif.\nTexte : ', <br>
'Étant donné la réponse "'+ answer+'", créer un texte explicatif.\nTexte : ', <br>
'Étant donné la réponse "'+ answer+'", crée un texte explicatif.\nTexte : ', <br>
'Étant donné la réponse "'+ answer+'", créez un texte explicatif.\nTexte : ', <br>
'Ecrire un texte comme contexte de la réponse "'+ answer+'" \nTexte : ', <br>
'Ecris un texte comme contexte de la réponse "'+ answer+'" \nTexte : ', <br>
'Ecrivez un texte comme contexte de la réponse "'+ answer+'" \nTexte : ', <br>
'Rédiger un texte comme contexte de la réponse "'+ answer+'" \nTexte : ', <br>
'Rédige un texte comme contexte de la réponse "'+ answer+'" \nTexte : ', <br>
'Rédigez un texte comme contexte de la réponse "'+ answer+'" \nTexte : ', <br>
'Générer un texte comme contexte de la réponse "'+ answer+'" \nTexte : ', <br>
'Génère un texte comme contexte de la réponse "'+ answer+'" \nTexte : ', <br>
'Générez un texte comme contexte de la réponse "'+ answer+'" \nTexte : ', <br>
'Créer un texte comme contexte de la réponse "'+ answer+'" \nTexte : ', <br>
'Crée un texte comme contexte de la réponse "'+ answer+'" \nTexte : ', <br>
'Créez un texte comme contexte de la réponse "'+ answer+'" \nTexte : ',
</code>
An example:
| inputs | targets |
| -------- | ------- |
| Étant donné la réponse "100 000", écrire un texte explicatif. Texte : | Les dépenses des ménages représentent plus de 50 % de ces montants (14,2 milliards d'euros en 2003 et 12 milliards d'euros en 2019), contre 7,9 milliards d'euros pour les collectivités locales, 3,2 pour l'État, et 2,2 pour les entreprises. Parmi les dépenses sportives des ménages en 2003, 3,7 milliards sont consacrés aux vêtements de sport et chaussures, 2 aux biens durables, 2,7 aux autres biens et 5,8 aux services. Le Ministère de la Jeunesse et des Sports estime à 100 000 (58 % d'hommes pour 42 % de femmes) le nombre de salariés travaillant pour le secteur sportif en France pour quelque 20 000 employeurs.|
## Datasets
### pragnakalp/squad_v2_french_translated
**Original**: https://huggingface.co/datasets/pragnakalp/squad_v2_french_translated
The French split was obtained via an automatic translation of the English split.
<details>
<summary>Citation and License</summary>
#### Citation
Identical to the first citation of this dataset earlier in the card.
#### License
Identical to the first citation of this dataset earlier in the card.
</details>
**With prompts**: https://huggingface.co/datasets/CATIE-AQ/squad_v2_french_translated_fr_prompt_context_generation_with_answer
<details>
<summary>Citation and License</summary>
#### Citation
See the DOI at the end of this dataset card.
#### License
The `squad_v2_french_translated_fr_prompt_context_generation_with_answer` dataset has the same license as the original dataset from which it is derived.
</details>
### fquad
**Original**: https://huggingface.co/datasets/fquad
The dataset is in native French.
<details>
<summary>Citation and License</summary>
#### Citation
Identical to the first citation of this dataset earlier in the card.
#### License
Identical to the first citation of this dataset earlier in the card.
</details>
**With prompts**: https://huggingface.co/datasets/CATIE-AQ/fquad_fr_prompt_context_generation_with_answer
<details>
<summary>Citation and License</summary>
#### Citation
See the DOI at the end of this dataset card.
#### License
The `fquad_fr_prompt_context_generation_with_answer` dataset has the same license as the original dataset from which it is derived.
</details>
### etalab-ia/piaf
**Original**: https://huggingface.co/datasets/etalab-ia/piaf
The dataset is in native French.
<details>
<summary>Citation and License</summary>
#### Citation
Identical to the first citation of this dataset earlier in the card.
#### License
Identical to the first citation of this dataset earlier in the card.
</details>
**With prompts**: https://huggingface.co/datasets/CATIE-AQ/piaf_fr_prompt_context_generation_with_answer
<details>
<summary>Citation and License</summary>
#### Citation
See the DOI at the end of this dataset card.
#### License
The `piaf_fr_prompt_context_generation_with_answer` dataset has the same license as the original dataset from which it is derived.
</details>
### lincoln/newsquadfr
**Original**: https://huggingface.co/datasets/lincoln/newsquadfr
The dataset is in native French.
<details>
<summary>Citation and License</summary>
#### Citation
Identical to the first citation of this dataset earlier in the card.
#### License
Identical to the first citation of this dataset earlier in the card.
</details>
**With prompts**: https://huggingface.co/datasets/CATIE-AQ/newsquadfr_fr_prompt_context_generation_with_answer
<details>
<summary>Citation and License</summary>
#### Citation
See the DOI at the end of this dataset card.
#### License
The `newsquadfr_fr_prompt_context_generation_with_answer` dataset has the same license as the original dataset from which it is derived.
</details>
</details>
<details>
<summary><h1>Summarization</h1></summary>
Summarization is the task of producing a shorter version of a document while preserving its important information.
## 28 prompts
<code>
'Résumer le texte suivant : "'+document+'"', <br>
'Résume le texte suivant : "'+document+'"', <br>
'Résumez le texte suivant : "'+document+'"', <br>
'Résumer le texte suivant en quelques mots : "'+document+'"', <br>
'Résume le texte suivant en quelques mots : "'+document+'"', <br>
'Résumez le texte suivant en quelques mots : "'+document+'"', <br>
"Condenser le texte à l'essentiel :" +document, <br>
"Condense le texte à l'essentiel :" +document, <br>
"Condensez le texte à l'essentiel :" +document, <br>
'"'+document+' Rédiger un résumé du texte ci-dessus :', <br>
'"'+document+' Rédige un résumé du texte ci-dessus :', <br>
'"'+document+' Rédigez un résumé du texte ci-dessus :', <br>
'Premièrement, lire le texte ci-dessous. \n\n "'+document+'"\n\n Maintenant, rédiger un court résumé.', <br>
'Premièrement, lis le texte ci-dessous. \n\n "'+document+'"\n\n Maintenant, rédige un court résumé.', <br>
'Premièrement, lisez le texte ci-dessous. \n\n "'+document+'"\n\n Maintenant, rédigez un court résumé.', <br>
'Article : "'+document+'"/n Résumé : ', <br>
'"'+document+' Comment reformuler cela en quelques mots ?', <br>
'"'+document+' Comment peux-tu reformuler cela en quelques mots ?', <br>
'"'+document+' Comment pouvez-vous reformuler cela en quelques mots ?', <br>
'Résumer ce document : "'+document+'" Résumé :', <br>
'Résume ce document : "'+document+'" Résumé :', <br>
'Résumez ce document : "'+document+'" Résumé :', <br>
'"'+document+' Compte tenu du document ci-dessus, écrire une phrase pour le résumer :', <br>
'"'+document+' Compte tenu du document ci-dessus, écris une phrase pour le résumer :', <br>
'"'+document+' Compte tenu du document ci-dessus, écrivez une phrase pour le résumer :', <br>
'"'+document+' Rédiger un résumé du texte ci-dessus : ', <br>
'"'+document+' Rédige un résumé du texte ci-dessus : ', <br>
'"'+document+' Rédigez un résumé du texte ci-dessus : '
</code>
An example:
| inputs | targets |
| -------- | ------- |
| Après une septième édition impressionnante, Danse avec les stars a confirmé son statut de programme incontournable dans le paysage audiovisuel français actuel. Avec des chorégraphies millimétrées, une production classieuse, des candidats survoltés et un jury de professionnels passionné, TF1 offre chaque semaine aux fidèles de l'émission une représentation exceptionnelle. Mais si la prochaine année du concours était celle du changement ? En effet, il se pourrait bien qu'un pilier du show ne rempile pas pour la saison 8...Un membre incontournableEt ce n'est autre que l'une des juges qui vient d'émettre des réserves pour noter les futures célébrités qui fouleront le dance-floor de DALS ! Marie-Claude Pietragalla a en effet révélé que son retour était probablement compromis, ce qui ne manque pas de décevoir ses fans. Bien qu'elle ne soit pas un élément historique de cette immense locomotive, elle répond néanmoins présente à l'appel depuis 2012, gratifiant les participants de ses conseils pointus et ses avis sensibles. Mais hélas, cette fois-ci, la danseuse contemporaine pourrait ne pas être en mesure de se libérer...Un planning trop chargéInterviewée par le journal Var Matin, dans le cadre de la promotion de son spectacle "Je t'ai rencontré par hasard" et pour évoquer ses ambitions, Pietra pour les intimes a expliqué avec sincérité : "Ecoutez, là je ne sais pas si je vais continuer parce que j'ai beaucoup de projets pour l'année prochaine." Ainsi, du fait d'un calendrier déjà très chargé, elle ne pourrait donc pas effectuer son come-back au côté de ses pétillants acolytes Fauve Hautot, Chris Marques et Jean-Marc Généreux... s'ils resignent. Seriez-vous triste de ce départ ou pensez-vous, au contraire, qu'un changement du jury (à l'instar de The Voice) permettrait à Danse avec les stars de se renouveler ? Comment reformuler cela en quelques mots ? | Alors que la saison 7 de Danse avec les stars vient à peine de s'achever par la victoire de Laurent Maistret, la prochaine édition du concours est déjà dans les tuyaux chez TF1. Cependant, un membre du jury exprime déjà ses doutes quant à son retour dans l'émission. |
## Datasets
### orange_sum
Note: we use the split `abstract`.
**Original**: https://huggingface.co/datasets/orange_sum
The dataset is in native French.
<details>
<summary>Citation and License</summary>
#### Citation
> @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}}
#### License
CC-BY-SA-4.0
</details>
**With prompts**: https://huggingface.co/datasets/CATIE-AQ/orange_sum_fr_prompt_summarization
<details>
<summary>Citation and License</summary>
#### Citation
See the DOI at the end of this dataset card.
#### License
The `orange_sum_fr_prompt_summarization` dataset has the same license as the original dataset from which it is derived.
</details>
</details>
<details>
<summary><h1>Text generation from an article</h1></summary>
The task consists in using a text base to generate a suite to this text.
## 24 prompts
<code>
'"'+document+'"\n Continuer le texte sur 1000 caractères maximum :', <br>
'"'+document+'"\n Continue le texte sur 1000 caractères maximum :', <br>
'"'+document+'"\n Continuez le texte sur 1000 caractères maximum :', <br>
'"'+document+'"\n Poursuivre le texte sur 1000 caractères maximum :', <br>
'"'+document+'"\n Poursuis le texte sur 1000 caractères maximum :', <br>
'"'+document+'"\n Poursuivez le texte sur 1000 caractères maximum :', <br>
'"'+document+'"\n Prolonger le texte sur 1000 caractères maximum :', <br>
'"'+document+'"\n Prolonge le texte sur 1000 caractères maximum :', <br>
'"'+document+'"\n Prolongez le texte sur 1000 caractères maximum :', <br>
'"'+document+'"\n Rédiger la suite du texte : ', <br>
'"'+document+'"\n Rédige la suite du texte : ', <br>
'"'+document+'"\n Rédigez la suite du texte : ', <br>
'"'+document+'"\n Imaginer la suite du texte : ', <br>
'"'+document+'"\n Imagine la suite du texte : ', <br>
'"'+document+'"\n Imaginez la suite du texte : ', <br>
'"'+document+'"\n Ecrire la suite du texte : ', <br>
'"'+document+'"\n Ecris la suite du texte : ', <br>
'"'+document+'"\n Ecriver la suite du texte : ', <br>
'"'+document+'"\n Développer la suite du texte : ', <br>
'"'+document+'"\n Développe la suite du texte : ', <br>
'"'+document+'"\n Développez la suite du texte : ', <br>
'"'+document+'"\nGénérer la suite du texte : ', <br>
'"'+document+'"\nGénère la suite du texte : ', <br>
'"'+document+'"\n Générez la suite du texte : ',
</code>
An example:
| inputs | targets |
| -------- | ------- |
| "Après une septième édition impressionnante, Danse avec les stars a confirmé son statut de programme incontournable dans le paysage audiovisuel français actuel. Avec des chorégraphies millimétrées, une production classieuse, des candidats survoltés et un jury de professionnels passionné, TF1 offre chaque semaine aux fidèles de l'émission une représentation exceptionnelle. Mais si la prochaine année du concours était celle du changement ? En effet, il se pourrait bien qu'un pilier du show ne rempile pas pour la saison 8...Un membre incontournableEt ce n'est autre que l'une des juges qui vient d'émettre des réserves pour noter les futures célébrités qui fouleront le dance-floor de DALS ! Marie-Claude Pietragalla a en effet révélé que son retour était probablement compromis, ce qui ne manque pas de décevoir ses fans. Bien qu'elle ne soit pas un élément historique de cette immense locomotive, elle répond néanmoins présente à l'appel depuis 2012, gratifiant les participants de ses conseils p" Continuer le texte sur 1000 caractères maximum : | ointus et ses avis sensibles. Mais hélas, cette fois-ci, la danseuse contemporaine pourrait ne pas être en mesure de se libérer...Un planning trop chargéInterviewée par le journal Var Matin, dans le cadre de la promotion de son spectacle "Je t'ai rencontré par hasard" et pour évoquer ses ambitions, Pietra pour les intimes a expliqué avec sincérité : "Ecoutez, là je ne sais pas si je vais continuer parce que j'ai beaucoup de projets pour l'année prochaine." Ainsi, du fait d'un calendrier déjà très chargé, elle ne pourrait donc pas effectuer son come-back au côté de ses pétillants acolytes Fauve Hautot, Chris Marques et Jean-Marc Généreux... s'ils resignent. Seriez-vous triste de ce départ ou pensez-vous, au contraire, qu'un changement du jury (à l'instar de The Voice) permettrait à Danse avec les stars de se renouveler ? |
## Datasets
### orange_sum
Note: we use the split `abstract`.
**Original**: https://huggingface.co/datasets/orange_sum
The dataset is in native French.
<details>
<summary>Citation and License</summary>
#### Citation
Identical to the first citation of this dataset earlier in the card.
#### License
Identical to the first citation of this dataset earlier in the card.
</details>
**With prompts**: https://huggingface.co/datasets/CATIE-AQ/orange_sum_fr_prompt_text_generation_from_an_article
<details>
<summary>Citation and License</summary>
#### Citation
See the DOI at the end of this dataset card.
#### License
The `orange_sum_fr_prompt_text_generation_from_an_article` dataset has the same license as the original dataset from which it is derived.
</details>
</details>
<details>
<summary><h1>Title generation from an article</h1></summary>
The aim is to generate a title for a given text.
## 19 prompts
<code>
'"'+document+'"\n Générer un titre pour cet article :', <br>
'"'+document+'"\n Génère un titre pour cet article :', <br>
'"'+document+'"\n Générez un titre pour cet article :', <br>
'"'+document+'"\n Rédiger un titre pour cet article :', <br>
'"'+document+'"\n Rédige un titre pour cet article :', <br>
'"'+document+'"\n Rédigez un titre pour cet article :', <br>
'"'+document+'"\n Ecrire un titre pour cet article :', <br>
'"'+document+'"\n Ecris un titre pour cet article :', <br>
'"'+document+'"\n Ecrivez un titre pour cet article :', <br>
"Générer un titre pour l'article suivant : "+document, <br>
"Génère un titre pour l'article suivant : "+document, <br>
"Générez un titre pour l'article suivant : "+document, <br>
"Rédiger un titre pour l'article suivant : "+document, <br>
"Rédige un titre pour l'article suivant : "+document, <br>
"Rédigez un titre pour l'article suivant : "+document, <br>
"Ecrire un titre pour l'article suivant : "+document, <br>
"Ecris un titre pour l'article suivant : "+document, <br>
"Ecrivez un titre pour l'article suivant : "+document,
'"'+document+'"\n Titre :\n '
</code>
An example:
| inputs | targets |
| -------- | ------- |
| "Samedi soir sur TF1 débutait la saison 6 de The Voice. Et dès le premier prime un candidat est sorti du lot : Vincent, 20 ans, presque aveugle et un talent fou au piano et au chant. Le jeune homme a rendu dingue le jury et le public avec son interprétation du tube d'Eminem, "Lose Yourself". Matt Pokora, Mika, Florent Pagny et Zazie, les quatre coachs conquis par sa prestation, l'ont rejoint sur scène. Vincent Vinel fera finalement partie de l'équipe de Mika. Celui-ci s'en est félicité : "C'était une belle expérience et un beau moment. Je suis très honoré de t'avoir dans mon équipe", a ainsi indiqué le chanteur. " Rédigez un titre pour cet article :| The Voice : un candidat malvoyant enflamme le jury |
## Datasets
### orange_sum
Note: we use the split `title`.
**Original**: https://huggingface.co/datasets/orange_sum
The dataset is in native French.
<details>
<summary>Citation and License</summary>
#### Citation
Identical to the first citation of this dataset earlier in the card.
#### License
Identical to the first citation of this dataset earlier in the card.
</details>
**With prompts**: https://huggingface.co/datasets/CATIE-AQ/orange_sum_fr_prompt_title_generation_from_an_article
<details>
<summary>Citation and License</summary>
#### Citation
See the DOI at the end of this dataset card.
#### License
The `orange_sum_fr_prompt_title_generation_from_an_article` dataset has the same license as the original dataset from which it is derived.
</details>
</details>
<details>
<summary><h1>Fill mask</h1></summary>
Masked language modeling is the task of masking some of the words in a sentence and predicting which words should replace those masks.
In our case, for a given text, we have hidden one word per sentence of the text.
## 24 prompts
'Remplacer le \<mask\> dans le texte suivant par le mot le plus vraisemblable : '+text,<br>
'Remplace le \<mask\> dans le texte suivant par le mot le plus vraisemblable : '+text, <br>
'Remplacez le \<mask\> dans le texte suivant par le mot le plus vraisemblable : '+text, <br>
'Remplacer le \<mask\> dans le texte suivant par le mot le plus probable : '+text, <br>
'Remplace le \<mask\> dans le texte suivant par le mot le plus probable : '+text, <br>
'Remplacez le \<mask\> dans le texte suivant par le mot le plus probable : '+text, <br>
'Substituer le \<mask\> dans le texte suivant par le mot le plus vraisemblable : '+text,<br>
'Substitue le \<mask\> dans le texte suivant par le mot le plus vraisemblable : '+text, <br>
'Substituez le \<mask\> dans le texte suivant par le mot le plus vraisemblable : '+text, <br>
'Substituer le \<mask\> dans le texte suivant par le mot le plus probable : '+text, <br>
'Substitue le \<mask\> dans le texte suivant par le mot le plus probable : '+text, <br>
'Substituez le \<mask\> dans le texte suivant par le mot le plus probable : '+text, <br>
'Changer le \<mask\> dans le texte suivant par le mot le plus vraisemblable : '+text, <br>
'Change le \<mask\> dans le texte suivant par le mot le plus vraisemblable : '+text, <br>
'Changez le \<mask\> dans le texte suivant par le mot le plus vraisemblable : '+text, <br>
'Changer le \<mask\> dans le texte suivant par le mot le plus probable : '+text, <br>
'Change le \<mask\> dans le texte suivant par le mot le plus probable : '+text, <br>
'Changez le \<mask\> dans le texte suivant par le mot le plus probable : '+text, <br>
'Transformer le \<mask\> dans le texte suivant par le mot le plus vraisemblable : '+text, <br>
'Transforme le \<mask\> dans le texte suivant par le mot le plus vraisemblable : '+text, <br>
'Transformez le \<mask\> dans le texte suivant par le mot le plus vraisemblable : '+text, <br>
'Transformer le \<mask\> dans le texte suivant par le mot le plus probable : '+text, <br>
'Transforme le \<mask\> dans le texte suivant par le mot le plus probable : '+text, <br>
'Transformez le \<mask\> dans le texte suivant par le mot le plus probable : '+text,
An example:
| inputs | targets |
| -------- | ------- |
| Remplace le \<mask\> dans le texte suivant par le mot le plus probable : Le préjudice \<mask\> estimé à 2 millions d'euros. | Le préjudice est estimé à 2 millions d'euros. |
## Datasets
### orange_sum
Note: we use the split `abstract`.
**Original**: https://huggingface.co/datasets/orange_sum
The dataset is in native French.
<details>
<summary>Citation and License</summary>
#### Citation
Identical to the first citation of this dataset earlier in the card.
#### License
Identical to the first citation of this dataset earlier in the card.
</details>
**With prompts**: https://huggingface.co/datasets/CATIE-AQ/orange_sum_fr_prompt_fill_mask
<details>
<summary>Citation and License</summary>
#### Citation
See the DOI at the end of this dataset card.
#### License
The `orange_sum_fr_prompt_fill_mask` dataset has the same license as the original dataset from which it is derived.
</details>
</details>
<details>
<summary><h1>Binary text generation from a title of a review</h1></summary>
The aim is to generate a text positive ou negative depending on the prompt selected by the user.
## 36 prompts
<code>
# negative<br>
'Rédiger un commentaire négatif dont le titre est : "'+title+'"".', <br>
'Rédige un commentaire négatif dont le titre est : "'+title+'"".', <br>
'Rédigez un commentaire négatif dont le titre est : "'+title+'"".', <br>
'Rédiger un avis négatif dont le titre est : "'+title+'"".',<br>
'Rédige un avis négatif dont le titre est : "'+title+'"".',<br>
'Rédigez un avis négatif dont le titre est : "'+title+'"".',<br>
'Rédiger une critique négative dont le titre est : "'+title+'"".',<br>
'Rédige une critique négative dont le titre est : "'+title+'"".',<br>
'Rédigez une critique négative dont le titre est : "'+title+'"".',<br>
'Rédiger une évaluation négative dont le titre est : "'+title+'"".',<br>
'Rédige une évaluation négative dont le titre est : "'+title+'"".',<br>
'Rédigez une évaluation négative dont le titre est : "'+title+'"".',<br>
"""Générer un commentaire négatif d'un produit imaginaire dont le titre est : " """+title+""" "\nLe commentaire : """,<br>
"""Génère un commentaire négatif d'un produit imaginaire dont le titre est : " """+title+""" "\nLe commentaire : """,<br>
"""Générez un commentaire négatif d'un produit imaginaire dont le titre est : " """+title+""" "\nLe commentaire : """,<br>
"""Générer un avis négatif d'un produit imaginaire dont le titre est : " """+title+""" "\nL'avis : """,<br>
"""Génère un avis négatif d'un produit imaginaire dont le titre est : " """+title+""" "\nL'avis : """,<br>
"""Générez un avis négatif d'un produit imaginaire dont le titre est : " """+title+""" "\nL'avis : """,<br>
"""Générer une critique négative d'un produit imaginaire dont le titre est : " """+title+""" "\nLa critique : """,<br>
"""Génère une critique négative d'un produit imaginaire dont le titre est : " """+title+""" "\nLa critique : """,<br>
"""Générez une critique négative d'un produit imaginaire dont le titre est : " """+title+""" "\nLa critique : """,<br>
"""Générer une évaluation négative d'un produit imaginaire dont le titre est : " """+title+""" "\nL'évaluation : """,<br>
"""Génère une évaluation négative d'un produit imaginaire dont le titre est : " """+title+""" "\nL'évaluation : """,<br>
"""Générez une évaluation négative d'un produit imaginaire dont le titre est : " """+title+""" "\nL'évaluation : """,<br>
'Titre : "'+title +'"\n Ecrire un commentaire négatif de 1 à 5 phrases sur le titre précédent : ',<br>
'Titre : "'+title +'"\n Ecris un commentaire négatif de 1 à 5 phrases sur le titre précédent : ',<br>
'Titre : "'+title +'"\n Ecrivez un commentaire négatif de 1 à 5 phrases sur le titre précédent : ',<br>
'Titre : "'+title +'"\n Ecrire un avis négatif de 1 à 5 phrases sur le titre précédent : ',<br>
'Titre : "'+title +'"\n Ecris un avis négatif de 1 à 5 phrases sur le titre précédent : ',<br>
'Titre : "'+title +'"\n Ecrivez un avis négatif de 1 à 5 phrases sur le titre précédent : ',<br>
'Titre : "'+title +'"\n Ecrire une critique négative de 1 à 5 phrases sur le titre précédent : ',<br>
'Titre : "'+title +'"\n Ecris une critique négative de 1 à 5 phrases sur le titre précédent : ',<br>
'Titre : "'+title +'"\n Ecrivez une critique négative de 1 à 5 phrases sur le titre précédent : ',<br>
'Titre : "'+title +'"\n Ecrire une évaluation négative de 1 à 5 phrases sur le titre précédent : ',<br>
'Titre : "'+title +'"\n Ecris une évaluation négative de 1 à 5 phrases sur le titre précédent : ',<br>
'Titre : "'+title +'"\n Ecrivez une évaluation négative de 1 à 5 phrases sur le titre précédent : ',<br>
# positive<br>
'Rédiger un commentaire positif dont le titre est : '+title+'.',<br>
'Rédige un commentaire positif dont le titre est : '+title+'.',<br>
'Rédigez un commentaire positif dont le titre est : '+title+'.',<br>
'Rédiger un avis positif dont le titre est : '+title+'.',<br>
'Rédige un avis positif dont le titre est : '+title+'.',<br>
'Rédigez un avis positif dont le titre est : '+title+'.',<br>
'Rédiger une critique positive dont le titre est : '+title+'.',<br>
'Rédige une critique positive dont le titre est : '+title+'.',<br>
'Rédigez une critique positive dont le titre est : '+title+'.',<br>
'Rédiger une évaluation positive dont le titre est : '+title+'.',<br>
'Rédige une évaluation positive dont le titre est : '+title+'.',<br>
'Rédigez une évaluation positive dont le titre est : '+title+'.',<br>
"""Générer un commentaire positif d'un produit imaginaire dont le titre est : " """+title+""" "\nLe commentaire : """,<br>
"""Génère un commentaire positif d'un produit imaginaire dont le titre est : " """+title+""" "\nLe commentaire : """,<br>
"""Générez un commentaire positif d'un produit imaginaire dont le titre est : " """+title+""" "\nLe commentaire : """,<br>
"""Générer un avis positif d'un produit imaginaire dont le titre est : " """+title+""" "\nL'avis : """,<br>
"""Génère un avis positif d'un produit imaginaire dont le titre est : " """+title+""" "\nL'avis : """,<br>
"""Générez un avis positif d'un produit imaginaire dont le titre est : " """+title+""" "\nL'avis : """,<br>
"""Générer une critique positive d'un produit imaginaire dont le titre est : " """+title+""" "\nLa critique : """,<br>
"""Génère une critique positive d'un produit imaginaire dont le titre est : " """+title+""" "\nLa critique : """,<br>
"""Générez une critique positive d'un produit imaginaire dont le titre est : " """+title+""" "\nLa critique : """,<br>
"""Générer une évaluation positive d'un produit imaginaire dont le titre est : " """+title+""" "\nL'évaluation : """,<br>
"""Génère une évaluation positive d'un produit imaginaire dont le titre est : " """+title+""" "\nL'évaluation : """,<br>
"""Générez une évaluation positive d'un produit imaginaire dont le titre est : " """+title+""" "\nL'évaluation : """,<br>
'Titre : "'+title +'"\n Ecrire un commentaire positif de 1 à 5 phrases sur le titre précédent : ',<br>
'Titre : "'+title +'"\n Ecris un commentaire positif de 1 à 5 phrases sur le titre précédent : ',<br>
'Titre : "'+title +'"\n Ecrivez un commentaire positif de 1 à 5 phrases sur le titre précédent : ',<br>
'Titre : "'+title +'"\n Ecrire un avis positif de 1 à 5 phrases sur le titre précédent : ',<br>
'Titre : "'+title +'"\n Ecris un avis positif de 1 à 5 phrases sur le titre précédent : ',<br>
'Titre : "'+title +'"\n Ecrivez un avis positif de 1 à 5 phrases sur le titre précédent : ',<br>
'Titre : "'+title +'"\n Ecrire une critique positive de 1 à 5 phrases sur le titre précédent : ',<br>
'Titre : "'+title +'"\n Ecris une critique positive de 1 à 5 phrases sur le titre précédent : ',<br>
'Titre : "'+title +'"\n Ecrivez une critique positive de 1 à 5 phrases sur le titre précédent : ',<br>
'Titre : "'+title +'"\n Ecrire une évaluation positive de 1 à 5 phrases sur le titre précédent : ',<br>
'Titre : "'+title +'"\n Ecris une évaluation positive de 1 à 5 phrases sur le titre précédent : ',<br>
'Titre : "'+title +'"\n Ecrivez une évaluation positive de 1 à 5 phrases sur le titre précédent : ',
</code>
An example:
| inputs | targets |
| -------- | ------- |
| Rédiger un commentaire négatif dont le titre est : "A éviter!"".| Cet engin ne sert à rien les sons sont pourris les songs sont simplistes vous n'apprendrez jamais à jouer de la batterie avec une bouze pareille. En fait c'est juste un jouet destiné aux enfants et rien d'autre. Si vous voulez vraiment quelque chose de bien et d'utile passez votre chemin et gardez votre fric moi j'ai voulu essayer et j'ai été très mais alors très déçu. Résultat direction poubelle.|
## Datasets
### Abirate/french_book_reviews
**Original**: https://huggingface.co/datasets/Abirate/french_book_reviews
The dataset is in native French.
<details>
<summary>Citation and License</summary>
#### Citation
Identical to the first citation of this dataset earlier in the card.
#### License
Identical to the first citation of this dataset earlier in the card.
</details>
**With prompts**: https://huggingface.co/datasets/CATIE-AQ/french_book_reviews_fr_prompt_binary_text_generation_from_title_of_a_review
<details>
<summary>Citation and License</summary>
#### Citation
See the DOI at the end of this dataset card.
#### License
The `https://huggingface.co/datasets/CATIE-AQ/french_book_reviews_fr_prompt_binary_text_generation_from_title_of_a_review` dataset has the same license as the original dataset from which it is derived.
</details>
### amazon_reviews_multi
**Original**: https://huggingface.co/datasets/amazon_reviews_multi
Note: only the French portion of this multilingual dataset is kept for our use.
The dataset is in native French.
<details>
<summary>Citation and License</summary>
#### Citation
Identical to the first citation of this dataset earlier in the card.
#### License
Identical to the first citation of this dataset earlier in the card.
</details>
**With prompts**: https://huggingface.co/datasets/CATIE-AQ/amazon_reviews_multi_fr_prompt_binary_text_generation_from_title_of_a_review
<details>
<summary>Citation and License</summary>
#### Citation
See the DOI at the end of this dataset card.
#### License
The `https://huggingface.co/datasets/CATIE-AQ/amazon_reviews_multi_fr_prompt_binary_text_generation_from_title_of_a_review` dataset has the same license as the original dataset from which it is derived.
</details>
</details>
<details>
<summary><h1>Text generation from a title of a review type</h1></summary>
Review generation from a title.
## 36 prompts
<code>
'Rédiger un commentaire dont le titre est : "'+title+'"',<br>
'Rédige un commentaire dont le titre est : "'+title+'"',<br>
'Rédigez un commentaire dont le titre est : "'+title+'"',<br>
'Rédiger un avis dont le titre est : "'+title+'"',<br>
'Rédige un avis dont le titre est : "'+title+'"',<br>
'Rédigez un avis dont le titre est : "'+title+'"',<br>
'Rédiger une critique dont le titre est : "'+title+'"',<br>
'Rédige une critique dont le titre est : "'+title+'"',<br>
'Rédigez une critique dont le titre est : "'+title+'"',<br>
'Rédiger une évaluation dont le titre est : "'+title+'"',<br>
'Rédige une évaluation dont le titre est : "'+title+'"',<br>
'Rédigez une évaluation dont le titre est : "'+title+'"',<br>
"""Générer un commentaire d'un produit imaginaire dont le titre est : " """+title+""" "\nLe commentaire : """,<br>
"""Génère un commentaire d'un produit imaginaire dont le titre est : " """+title+""" "\nLe commentaire : """,<br>
"""Générez un commentaire d'un produit imaginaire dont le titre est : " """+title+""" "\nLe commentaire : """,<br>
"""Générer un avis d'un produit imaginaire dont le titre est : " """+title+""" "\nL'avis : """,<br>
"""Génére un avis d'un produit imaginaire dont le titre est : " """+title+""" "\nL'avis : """,<br>
"""Générez un avis d'un produit imaginaire dont le titre est : " """+title+""" "\nL'avis : """,<br>
"""Générer une critique d'un produit imaginaire dont le titre est : " """+title+""" "\nLa critique : """,<br>
"""Génère une critique d'un produit imaginaire dont le titre est : " """+title+""" "\nLa critique : """,<br>
"""Générez une critique d'un produit imaginaire dont le titre est : " """+title+""" "\nLa critique : """,<br>
"""Générer une évaluation d'un produit imaginaire dont le titre est : " """+title+""" "\nL'évaluation : """,<br>
"""Génère une évaluation d'un produit imaginaire dont le titre est : " """+title+""" "\nL'évaluation : """,<br>
"""Générez une évaluation d'un produit imaginaire dont le titre est : " """+title+""" "\nL'évaluation : """,<br>
'Titre : "'+title +'"\nEcrire un commentaire de 1 à 5 phrases sur le titre précédent : ',<br>
'Titre : "'+title +'"\nEcris un commentaire de 1 à 5 phrases sur le titre précédent : ',<br>
'Titre : "'+title +'"\nEcrivez un commentaire de 1 à 5 phrases sur le titre précédent : ',<br>
'Titre : "'+title +'"\nEcrire un avis de 1 à 5 phrases sur le titre précédent : ',<br>
'Titre : "'+title +'"\nEcris un avis de 1 à 5 phrases sur le titre précédent : ',<br>
'Titre : "'+title +'"\nEcrivez un avis de 1 à 5 phrases sur le titre précédent : ',<br>
'Titre : "'+title +'"\nEcrire une critique de 1 à 5 phrases sur le titre précédent : ',<br>
'Titre : "'+title +'"\nEcris une critique de 1 à 5 phrases sur le titre précédent : ',<br>
'Titre : "'+title +'"\nEcrivez une critique de 1 à 5 phrases sur le titre précédent : ',<br>
'Titre : "'+title +'"\nEcrire une évaluation de 1 à 5 phrases sur le titre précédent : ',<br>
'Titre : "'+title +'"\nEcris une évaluation de 1 à 5 phrases sur le titre précédent : ',<br>
'Titre : "'+title +'"\nEcrivez une évaluation de 1 à 5 phrases sur le titre précédent : ',
</code>
An example:
| inputs | targets |
| -------- | ------- |
| Rédiger un commentaire dont le titre est : "Brumisateur à pompe" | A déconseiller - Article n'a fonctionné qu'une fois - Je ne recommande pas du tout ce produit - Je l'ai jeté ...|
## Datasets
### amazon_reviews_multi
**Original**: https://huggingface.co/datasets/amazon_reviews_multi
The dataset is in native French.
<details>
<summary>Citation and License</summary>
#### Citation
Identical to the first citation of this dataset earlier in the card.
#### License
Identical to the first citation of this dataset earlier in the card.
</details>
**With prompts**: https://huggingface.co/datasets/CATIE-AQ/amazon_reviews_multi_fr_prompt_text_generation_from_title_of_a_review
<details>
<summary>Citation and License</summary>
#### Citation
See the DOI at the end of this dataset card.
#### License
The `https://huggingface.co/datasets/CATIE-AQ/amazon_reviews_multi_fr_prompt_text_generation_from_title_of_a_review` dataset has the same license as the original dataset from which it is derived.
</details>
</details>
<details>
<summary><h1>Text generation from a title of an article</h1></summary>
Article generation from a title.
## 27 prompts
<code>
'Rédiger un texte dont le titre est : "'+title+'".', <br>
'Rédige un texte dont le titre est : "'+title+'".',<br>
'Rédigez un texte dont le titre est : "'+title+'".',<br>
'Rédiger une article dont le titre est : "'+title+'".',<br>
'Rédige un article dont le titre est : "'+title+'".',<br>
'Rédigez un article dont le titre est : "'+title+'".',<br>
'Rédiger un document dont le titre est : "'+title+'".',<br>
'Rédige un document dont le titre est : "'+title+'".',<br>
'Rédigez un document dont le titre est : "'+title+'".',<br>
‘Génèrer un texte dont le titre est : "'+title+'".\nTexte : ',<br>
'Génère un texte dont le titre est : "'+title+'".\nTexte : ',<br>
‘Génèrez un texte dont le titre est : "'+title+'".\nTexte : ',<br>
‘Génèrer un article dont le titre est : "'+title+'".\nArticle : ',<br>
‘Génère un article dont le titre est : "'+title+'".\nArticle : ',<br>
‘Génèrez un article dont le titre est : "'+title+'".\nArticle : ',<br>
‘Génèrer un document dont le titre est : "'+title+'".\nDocument : ',<br>
'Génère un document dont le titre est : "'+title+'".\nDocument : ',<br>
‘Génèrez un document dont le titre est : "'+title+'".\nDocument : ',<br>
'"'+title +'"\n Ecrire un texte de 1 à 5 phrases sur le titre précédent : ',<br>
'"'+title +'"\n Ecris un texte de 1 à 5 phrases sur le titre précédent : ',<br>
'"'+title +'"\n Ecrivez un texte de 1 à 5 phrases sur le titre précédent : ',<br>
'"'+title +'"\n Ecrire un article de 1 à 5 phrases sur le titre précédent : ',<br>
'"'+title +'"\n Ecris un article de 1 à 5 phrases sur le titre précédent : ',<br>
'"'+title +'"\n Ecrivez un article de 1 à 5 phrases sur le titre précédent : ',<br>
'"'+title +'"\n Ecrire un document de 1 à 5 phrases sur le titre précédent : ',<br>
'"'+title +'"\n Ecris un document de 1 à 5 phrases sur le titre précédent : ',<br>
'"'+title +'"\n Ecrivez un document de 1 à 5 phrases sur le titre précédent : '
</code>
An example:
| inputs | targets |
| -------- | ------- |
| Rédiger un texte dont le titre est : "The Voice : un candidat malvoyant enflamme le jury". | Samedi soir sur TF1 débutait la saison 6 de The Voice. Et dès le premier prime un candidat est sorti du lot : Vincent, 20 ans, presque aveugle et un talent fou au piano et au chant. Le jeune homme a rendu dingue le jury et le public avec son interprétation du tube d'Eminem, "Lose Yourself". Matt Pokora, Mika, Florent Pagny et Zazie, les quatre coachs conquis par sa prestation, l'ont rejoint sur scène. Vincent Vinel fera finalement partie de l'équipe de Mika. Celui-ci s'en est félicité : "C'était une belle expérience et un beau moment. Je suis très honoré de t'avoir dans mon équipe", a ainsi indiqué le chanteur. |
## Datasets
## Datasets
### orange_sum
Note: we use the split `abstract`.
**Original**: https://huggingface.co/datasets/orange_sum
The dataset is in native French.
<details>
<summary>Citation and License</summary>
#### Citation
Identical to the first citation of this dataset earlier in the card.
#### License
Identical to the first citation of this dataset earlier in the card.
</details>
**With prompts**: https://huggingface.co/datasets/CATIE-AQ/orange_sum_fr_prompt_text_generation_from_title
<details>
<summary>Citation and License</summary>
#### Citation
See the DOI at the end of this dataset card.
#### License
The `orange_sum_fr_prompt_text_generation_from_title_of_an_article` dataset has the same license as the original dataset from which it is derived.
</details>
</details>
<details>
<summary><h1>Title generation from a review</h1></summary>
The aim is to generate a title for a given text which is a review.
## 18 prompts
<code>
review+'\n Générer un titre pour cet avis : ', <br>
review+'\n Génère un titre pour cet avis : ', <br>
review+'\n Générez un titre pour cet avis : ', <br>
review+'\n Rédiger un titre pour cet avis : ', <br>
review+'\n Rédige un titre pour cet avis : ', <br>
review+'\n Rédigez un titre pour cet avis : ', <br>
review+'\n Ecrire un titre pour cet avis : ', <br>
review+'\n Ecris un titre pour cet avis : ', <br>
review+'\n Ecrivez un titre pour cet avis : ', <br>
"""Générer un titre pour l'avis suivant : """+review,<br>
"""Génère un titre pour l'avis suivant : """+review,<br>
"""Générez un titre pour l'avis suivant : """+review,<br>
"""Rédiger un titre pour l'avis suivant : """+review,<br>
"""Rédige un titre pour l'avis suivant : """+review,<br>
"""Rédigez un titre pour l'avis suivant : """+review,<br>
"""Ecrire un titre pour l'avis suivant : """+review,<br>
"""Ecris un titre pour l'avis suivant : """+review,<br>
"""Ecrivez un titre pour l'avis suivant : """+review,
review+'\n Titre :\n '
</code>
An example:
| inputs | targets |
| -------- | ------- |
| Qualité très mauvaise. Après quelques semaines d'utilisation il était déjà cassé (sans l'avoir fait tomber) et il ne protège absolument pas le téléphone. Générez un titre pour cet avis : |Cassé après quelques semaines|
### amazon_reviews_multi
**Original**: https://huggingface.co/datasets/amazon_reviews_multi
Note: only the French portion of this multilingual dataset is kept for our use.
The dataset is in native French.
<details>
<summary>Citation and License</summary>
#### Citation
Identical to the first citation of this dataset earlier in the card.
#### License
Identical to the first citation of this dataset earlier in the card.
</details>
**With prompts**: https://huggingface.co/datasets/CATIE-AQ/amazon_reviews_multi_fr_prompt_title_generation_from_a_review
<details>
<summary>Citation and License</summary>
#### Citation
See the DOI at the end of this dataset card.
#### License
The `https://huggingface.co/datasets/CATIE-AQ/amazon_reviews_multi_fr_prompt_title_generation_from_a_review` dataset has the same license as the original dataset from which it is derived.
</details>
</details>
<details>
<summary><h1>Classes classfication</h1></summary>
Task of assigning a label/class to a given text.
## 21 prompts
<code>
'Le texte suivant parle-t-il de "'+classes+'" ?\n Texte : '+text,<br>
'Le texte suivant concerne-t-il "'+classes+'" ?\n Texte : '+text,<br>
'Le texte suivant évoque-t-il "'+classes+'" ?\n Texte : '+text,<br>
text+'\n Étant donné la liste de catégories suivante : "'+classes+'" à quelle catégorie appartient le texte ?',<br>
text+'\n Étant donné la liste de classes suivante : "'+classes+'" à quelle classe appartient le texte ?',<br>
'Étant donné une liste de catégories : "'+classes+'" à quelle catégorie appartient le texte suivant ?\n Texte : '+text,<br>
'Étant donné une liste de classes : "'+classes+'" à quelle classe appartient le texte suivant ?\n Texte : '+text,<br>
'Étant donné un choix de catégories : "'+classes+'", le texte fait référence à laquelle ?\n Texte : '+text,<br>
'Étant donné un choix de classe : "'+classes+'", le texte fait référence à laquelle ?\n Texte : '+text,<br>
'Choisir une catégorie pour le texte suivant. Les options sont les suivantes : "'+classes+'"\n Texte : '+text,<br>
'Choisir une catégorie pour le texte suivant. Les possibilités sont les suivantes : "'+classes+'"\n Texte : '+text,<br>
'Choisir une catégorie pour le texte suivant. Les choix sont les suivants : "'+classes+'"\n Texte : '+text,<br>
'Choisir une classe pour le texte suivant. Les options sont les suivantes : "'+classes+'"\n Texte : '+text,<br>
'Choisir une classe pour le texte suivant. Les possibilités sont les suivantes : "'+classes+'"\n Texte : '+text,<br>
'Choisir une classe pour le texte suivant. Les choix sont les suivants : "'+classes+'"\n Texte : '+text,<br>
'Sélectionner une catégorie pour le texte suivant. Les options sont les suivantes : "'+classes+'"\n Texte : '+text,<br>
'Sélectionner une catégorie pour le texte suivant. Les possibilités sont les suivantes : "'+classes+'"\n Texte : '+text,<br>
'Sélectionner une catégorie pour le texte suivant. Les choix sont les suivants : "'+classes+'"\n Texte : '+text,<br>
'Sélectionner une classe pour le texte suivant. Les options sont les suivantes : "'+classes+'"\n Texte : '+text,<br>
'Sélectionner une classe pour le texte suivant. Les possibilités sont les suivantes : "'+classes+'"\n Texte : '+text,<br>
'Sélectionner une classe pour le texte suivant. Les choix sont les suivants : "'+classes+'"\n Texte : '+text
</code>
An example:
| inputs | targets |
| -------- | ------- |
| Le texte suivant parle-t-il de "appareils_de_soins_personnels, pc, beauté, pelouse_et_jardin, livres_numériques, sports, instruments, montre, autre, bijou, automobile, vêtement, jeux_vidéos, jeux, bagages, produits_animaux, électroniques, produit_bureau, pharmacie, appareil_photo, maison, meubles, livre, sans_fil, épicerie, fournitures_industrielles, cuisine, produit_bébé, chaussures, amélioration_de_la_maison" ? Texte : A éviter! Cet engin ne sert à rien les sons sont pourris les songs sont simplistes vous n'apprendrez jamais à jouer de la batterie avec une bouze pareille. En fait c'est juste un jouet destiné aux enfants et rien d'autre. Si vous voulez vraiment quelque chose de bien et d'utile passez votre chemin et gardez votre fric moi j'ai voulu essayer et j'ai été très mais alors très déçu. Résultat direction poubelle.|instruments|
## Datasets
### amazon_reviews_multi
**Original**: https://huggingface.co/datasets/amazon_reviews_multi
Note: only the French portion of this multilingual dataset is kept for our use.
The dataset is in native French.
<details>
<summary>Citation and License</summary>
#### Citation
Identical to the first citation of this dataset earlier in the card.
#### License
Identical to the first citation of this dataset earlier in the card.
</details>
**With prompts**: https://huggingface.co/datasets/CATIE-AQ/amazon_reviews_multi_fr_prompt_classes_classification
<details>
<summary>Citation and License</summary>
#### Citation
See the DOI at the end of this dataset card.
#### License
The `https://huggingface.co/datasets/CATIE-AQ/amazon_reviews_multi_fr_prompt_classes_classification` dataset has the same license as the original dataset from which it is derived.
</details>
</details>
<details>
<summary><h1>Stars classfication</h1></summary>
Task consisting in assigning a score between 1 and 5 to a review text.
## 22 prompts
<code>
"""Donner un nombre d'étoiles à l'avis ci-dessous (1 étant le plus bas et 5 le plus haut) : """+review,<br>
"""Donne un nombre d'étoiles à l'avis ci-dessous (1 étant le plus bas et 5 le plus haut) : """+review,<br>
"""Donnez un nombre d'étoiles à l'avis ci-dessous (1 étant le plus bas et 5 le plus haut) : """+review,<br>
"""Donner un nombre d'étoiles le commentaire ci-dessous (1 étant le plus bas et 5 le plus haut) : """+review,<br>
"""Donne un nombre d'étoiles le commentaire ci-dessous (1 étant le plus bas et 5 le plus haut) : """+review,<br>
"""Donnez un nombre d'étoiles le commentaire ci-dessous (1 étant le plus bas et 5 le plus haut) : """+review,<br>
"""Donner un nombre d'étoiles la critique ci-dessous (1 étant le plus bas et 5 le plus haut) : """+review,<br>
"""Donne un nombre d'étoiles la critique ci-dessous (1 étant le plus bas et 5 le plus haut) : """+review,<br>
"""Donnez un nombre d'étoiles la critique ci-dessous (1 étant le plus bas et 5 le plus haut) : """+review,<br>
"""Noter avec un nombre d'étoiles l'avis ci-dessous (1 étant le plus bas et 5 le plus haut) : """+review,<br>
"""Note avec un nombre d'étoiles l'avis ci-dessous (1 étant le plus bas et 5 le plus haut) : """+review,<br>
"""Notez avec un nombre d'étoiles l'avis ci-dessous (1 étant le plus bas et 5 le plus haut) : """+review,<br>
"""Noter avec un nombre d'étoiles le commentaire ci-dessous (1 étant le plus bas et 5 le plus haut) : """+review,<br>
"""Note avec un nombre d'étoiles le commentaire ci-dessous (1 étant le plus bas et 5 le plus haut) : """+review,<br>
"""Notez avec un nombre d'étoiles le commentaire ci-dessous (1 étant le plus bas et 5 le plus haut) : """+review,<br>
"""Noter avec un nombre d'étoiles la critique ci-dessous (1 étant le plus bas et 5 le plus haut) : """+review,<br>
"""Note avec un nombre d'étoiles la critique ci-dessous (1 étant le plus bas et 5 le plus haut) : """+review,<br>
"""Notez avec un nombre d'étoiles la critique ci-dessous (1 étant le plus bas et 5 le plus haut) : """+review,<br>
review+'Pour ce texte, je donne la note de ',<br>
'Texte : '+review+'\n Étoiles :',<br>
'Texte : '+review+'\n Note (entre 1 et 5) :',<br>
'Commentaire : '+review+'\n Sur une échelle de 1 à 5, je donnerais une note de :'
</code>
An example:
| inputs | targets |
| -------- | ------- |
| Donner un nombre d'étoiles à l'avis ci-dessous (1 étant le plus bas et 5 le plus haut) : A déconseiller - Article n'a fonctionné qu'une fois - Je ne recommande pas du tout ce produit - Je l'ai jeté ...| 1 |
## Datasets
### Abirate/french_book_reviews
**Original**: https://huggingface.co/datasets/Abirate/french_book_reviews
The dataset is in native French.
<details>
<summary>Citation and License</summary>
#### Citation
Identical to the first citation of this dataset earlier in the card.
#### License
Identical to the first citation of this dataset earlier in the card.
</details>
**With prompts**: https://huggingface.co/datasets/CATIE-AQ/french_book_reviews_fr_prompt_stars_classification
<details>
<summary>Citation and License</summary>
#### Citation
See the DOI at the end of this dataset card.
#### License
The `https://huggingface.co/datasets/CATIE-AQ/french_book_reviews_fr_prompt_stars_classification` dataset has the same license as the original dataset from which it is derived.
</details>
### amazon_reviews_multi
**Original**: https://huggingface.co/datasets/amazon_reviews_multi
Note: only the French portion of this multilingual dataset is kept for our use.
The dataset is in native French.
<details>
<summary>Citation and License</summary>
#### Citation
Identical to the first citation of this dataset earlier in the card.
#### License
Identical to the first citation of this dataset earlier in the card.
</details>
**With prompts**: https://huggingface.co/datasets/CATIE-AQ/amazon_reviews_multi_fr_prompt_stars_classification
<details>
<summary>Citation and License</summary>
#### Citation
See the DOI at the end of this dataset card.
#### License
The `https://huggingface.co/datasets/CATIE-AQ/amazon_reviews_multi_fr_prompt_stars_classification` dataset has the same license as the original dataset from which it is derived.
</details>
</details>
<details>
<summary><h1>Intent classfication</h1></summary>
Task consisting in assigning an intent to a text.
## 30 prompts
<code>
text+'\n Étant donné la liste de catégories suivante : "'+classes+'" à quelle catégorie appartient le texte ?',<br>
text+'\n Étant donné la liste de classes suivante : "'+classes+'" à quelle classe appartient le texte ?',<br>
'Étant donné une liste de catégories : "'+classes+'" à quelle catégorie appartient le texte suivant ?\n Texte : '+text,<br>
'Étant donné une liste de classes : "'+classes+'" à quelle classe appartient le texte suivant ?\n Texte : '+text,<br>
'Étant donné un choix de catégories : "'+classes+'", le texte fait référence à laquelle ?\n Texte : '+text,<br>
'Étant donné un choix de classe : "'+classes+'", le texte fait référence à laquelle ?\n Texte : '+text,<br>
'Choisir une catégorie pour le texte suivant. Les options sont les suivantes : "'+classes+'"\n Texte : '+text,<br>
'Choisir une catégorie pour le texte suivant. Les possibilités sont les suivantes : "'+classes+'"\n Texte : '+text,<br>
'Choisir une catégorie pour le texte suivant. Les choix sont les suivants : "'+classes+'"\n Texte : '+text,<br>
'Choisir une classe pour le texte suivant. Les options sont les suivantes : "'+classes+'"\n Texte : '+text,<br>
'Choisir une classe pour le texte suivant. Les possibilités sont les suivantes : "'+classes+'"\n Texte : '+text,<br>
'Choisir une classe pour le texte suivant. Les choix sont les suivants : "'+classes+'"\n Texte : '+text,<br>
'Sélectionner une catégorie pour le texte suivant. Les options sont les suivantes : "'+classes+'"\n Texte : '+text,<br>
'Sélectionner une catégorie pour le texte suivant. Les possibilités sont les suivantes : "'+classes+'"\n Texte : '+text,<br>
'Sélectionner une catégorie pour le texte suivant. Les choix sont les suivants : "'+classes+'"\n Texte : '+text,<br>
'Sélectionner une classe pour le texte suivant. Les options sont les suivantes : "'+classes+'"\n Texte : '+text,<br>
'Sélectionner une classe pour le texte suivant. Les possibilités sont les suivantes : "'+classes+'"\n Texte : '+text,<br>
'Sélectionner une classe pour le texte suivant. Les choix sont les suivants : "'+classes+'"\n Texte : '+text,<br>
'Parmi la liste de catégories suivantes : "'+classes+'",\n indiquer celle présente dans le texte : '+text,<br>
'Parmi la liste de classes suivantes : "'+classes+'",\n indiquer celle présente dans le texte : '+text,<br>
"""Parmi la liste d'intentions suivantes : " """+classes+""" ",\n indiquer celle présente dans le texte : """+text,<br>
text+"""\n Étant donné la liste d'intentions suivante : " """+classes+""" ", à quelle intention appartient le texte ?""",<br>
"""Étant donné une liste d'intentions : " """+classes+""" ", à quelle intention appartient le texte suivant ?\n Texte : """+text,<br>
"""Étant donné un choix d'intentions : " """+classes+""" ", le texte fait référence à laquelle ?""",<br>
'Choisir une intention pour le texte suivant. Les options sont les suivantes : "'+classes+'"\n Texte : '+text,<br>
'Choisir une intention pour le texte suivant. Les possibilités sont les suivantes : "'+classes+'"\n Texte : '+text,<br>
'Choisir une intention pour le texte suivant. Les choix sont les suivants : "'+classes+'"\n Texte : '+text,<br>
'Sélectionner une intention pour le texte suivant. Les options sont les suivantes : "'+classes+'"\n Texte : '+text,<br>
'Sélectionner une intention pour le texte suivant. Les possibilités sont les suivantes : "'+classes+'"\n Texte : '+text,<br>
'Sélectionner une intention pour le texte suivant. Les choix sont les suivants : "'+classes+'"\n Texte : '+text
</code>
An example:
| inputs | targets |
| -------- | ------- |
| réveille-moi à neuf heures du matin le vendredi<br>Étant donné la liste de catégories suivante : "audio_volume_other, play_music, iot_hue_lighton, general_greet, calendar_set, audio_volume_down, social_query, audio_volume_mute, iot_wemo_on, iot_hue_lightup, audio_volume_up, iot_coffee, takeaway_query, qa_maths, play_game, cooking_query, iot_hue_lightdim, iot_wemo_off, music_settings, weather_query, news_query, alarm_remove, social_post, recommendation_events, transport_taxi, takeaway_order, music_query, calendar_query, lists_query, qa_currency, recommendation_movies, general_joke, recommendation_locations, email_querycontact, lists_remove, play_audiobook, email_addcontact, lists_createoradd, play_radio, qa_stock, alarm_query, email_sendemail, general_quirky, music_likeness, cooking_recipe, email_query, datetime_query, transport_traffic, play_podcasts, iot_hue_lightchange, calendar_remove, transport_query, transport_ticket, qa_factoid, iot_cleaning, alarm_set, datetime_convert, iot_hue_lightoff, qa_definition, music_dislikeness" à quelle catégorie appartient le texte ?|alarm_set|
## Datasets
### SetFit/amazon_massive_intent_fr-FR
**Original**: https://huggingface.co/datasets/SetFit/amazon_massive_intent_fr-FR
<details>
<summary>Citation and License</summary>
#### Citation
> @misc{fitzgerald2022massive,
title={MASSIVE: A 1M-Example Multilingual Natural Language Understanding Dataset with 51 Typologically-Diverse Languages},
author={Jack FitzGerald and Christopher Hench and Charith Peris and Scott Mackie and Kay Rottmann and Ana Sanchez and Aaron Nash and Liam Urbach and Vishesh Kakarala and Richa Singh and Swetha Ranganath and Laurie Crist and Misha Britan and Wouter Leeuwis and Gokhan Tur and Prem Natarajan},
year={2022},
eprint={2204.08582},
archivePrefix={arXiv},
primaryClass={cs.CL}}
#### License
Apache 2.0
</details>
**With prompts**: https://huggingface.co/datasets/CATIE-AQ/amazon_massive_intent_fr_prompt_intent_classification
<details>
<summary>Citation and License</summary>
#### Citation
See the DOI at the end of this dataset card.
#### License
The `https://huggingface.co/datasets/CATIE-AQ/amazon_massive_intent_fr_prompt_intent_classification` dataset has the same license as the original dataset from which it is derived.
</details>
### mteb/mtop_domain
**Original**: https://huggingface.co/datasets/mteb/mtop_domain
Note: only the French portion of this multilingual dataset is kept for our use.
<details>
<summary>Citation and License</summary>
#### Citation
> @misc{li2021mtop,
title={MTOP: A Comprehensive Multilingual Task-Oriented Semantic Parsing Benchmark},
author={Haoran Li and Abhinav Arora and Shuohui Chen and Anchit Gupta and Sonal Gupta and Yashar Mehdad},
year={2021},
eprint={2008.09335},
archivePrefix={arXiv},
primaryClass={cs.CL}}
#### License
Unknown
</details>
**With prompts**: https://huggingface.co/datasets/CATIE-AQ/mtop_domain_intent_fr_prompt_intent_classification
<details>
<summary>Citation and License</summary>
#### Citation
See the DOI at the end of this dataset card.
#### License
The `https://huggingface.co/datasets/CATIE-AQ/mtop_domain_intent_fr_prompt_intent_classification` dataset has the same license as the original dataset from which it is derived.
</details>
</details>
<details>
<summary><h1>Named Entity Recognition</h1></summary>
Assigns a class to each word in a text. Possible classes here are People, Location, Organizations, and Other.
## 21 prompts
<code>
'Extraire les entités nommées du texte suivant : '+text,<br>
'Extrais les entités nommées du texte suivant : '+text,<br>
'Extrayez les entités nommées du texte suivant : '+text,<br>
'Isoler les entités nommées du texte suivant : '+text,<br>
'Isole les entités nommées du texte suivant : '+text,<br>
'Isolez les entités nommées du texte suivant : '+text,<br>
'Dégager des entités nommées dans le texte : '+text,<br>
'Dégage des entités nommées dans le texte : '+text,<br>
'Dégagez des entités nommées dans le texte : '+text,<br>
'Générer des entités nommées issues du texte suivant : '+text,<br>
'Génère des entités nommées issues du texte suivant : '+text,<br>
'Générez des entités nommées issues du texte suivant : '+text,<br>
'Trouver les entités nommées du texte : '+text,<br>
'Trouve les entités nommées du texte : '+text,<br>
'Trouvez les entités nommées du texte : '+text,<br>
'Repérer les entités nommées présentes dans le texte suivant : '+text,<br>
'Repère les entités nommées présentes dans le texte suivant : '+text,<br>
'Repérez les entités nommées présentes dans le texte suivant : '+text,<br>
'Indiquer les entités nommées du texte :'+text,<br>
'Indique les entités nommées du texte : '+text,<br>
'Indiquez les entités nommées du texte : '+text
</code>
An example:
| inputs | targets |
| -------- | ------- |
| Trouver les entités nommées du texte : Après deux nuls ( Guingamp et Amiens ) et deux défaites ( Charleroi et Lokeren ) , les hommes Antoine Kombouaré se reprennent et remportent leurs deux dernières confrontations contre UNFP et Sedan .|O, O, O, O, B-ORG, O, B-ORG, O, O, O, O, O, B-ORG, O, B-ORG, O, O, O, O, B-PER, I-PER, O, O, O, O, O, O, O, O, O, B-ORG, O, B-ORG, O|
## Datasets
### tner/wikiann
**Original**: https://huggingface.co/datasets/tner/wikiann
Note: only the French portion of this multilingual dataset is kept for our use.
The dataset is in native French.
<details>
<summary>Citation and License</summary>
#### Citation
> @inproceedings{pan-etal-2017-cross,
title = "Cross-lingual Name Tagging and Linking for 282 Languages",
author = "Pan, Xiaoman and Zhang, Boliang and May, Jonathan and Nothman, Joel and Knight, Kevin and Ji, Heng",
booktitle = "Proceedings of the 55th Annual Meeting of the Association for Computational Linguistics (Volume 1: Long Papers)",
month = jul,
year = "2017",
address = "Vancouver, Canada",
publisher = "Association for Computational Linguistics",
url = "https://aclanthology.org/P17-1178",
doi = "10.18653/v1/P17-1178",
pages = "1946--1958",}
#### License
Unknow
</details>
**With prompts**: https://huggingface.co/datasets/CATIE-AQ/wikiann_fr_prompt_ner
<details>
<summary>Citation and License</summary>
#### Citation
See the DOI at the end of this dataset card.
#### License
The `https://huggingface.co/datasets/CATIE-AQ/wikiann_fr_prompt_ner` dataset has the same license as the original dataset from which it is derived.
</details>
### tner/wikineural
**Original**: https://huggingface.co/datasets/tner/wikineural
Note: only the French portion of this multilingual dataset is kept for our use.
The dataset is in native French.
<details>
<summary>Citation and License</summary>
#### Citation
> @inproceedings{tedeschi-etal-2021-wikineural-combined,
title = "{W}iki{NE}u{R}al: {C}ombined Neural and Knowledge-based Silver Data Creation for Multilingual {NER}",
author = "Tedeschi, Simone and Maiorca, Valentino and Campolungo, Niccol{\`o} and Cecconi, Francesco and Navigli, Roberto",
booktitle = "Findings of the Association for Computational Linguistics: EMNLP 2021",
month = nov,
year = "2021",
address = "Punta Cana, Dominican Republic",
publisher = "Association for Computational Linguistics",
url = "https://aclanthology.org/2021.findings-emnlp.215",
doi = "10.18653/v1/2021.findings-emnlp.215",
pages = "2521--2533",}
#### License
Unknow
</details>
**With prompts**: https://huggingface.co/datasets/CATIE-AQ/wikineural_fr_prompt_ner
<details>
<summary>Citation and License</summary>
#### Citation
See the DOI at the end of this dataset card.
#### License
The `https://huggingface.co/datasets/CATIE-AQ/wikineural_fr_prompt_ner` dataset has the same license as the original dataset from which it is derived.
</details>
### tner/multinerd
**Original**: https://huggingface.co/datasets/tner/multinerd
Note: only the French portion of this multilingual dataset is kept for our use.
The dataset is in native French.
<details>
<summary>Citation and License</summary>
#### Citation
> @inproceedings{tedeschi-navigli-2022-multinerd,
title = "{M}ulti{NERD}: A Multilingual, Multi-Genre and Fine-Grained Dataset for Named Entity Recognition (and Disambiguation)",
author = "Tedeschi, Simone and Navigli, Roberto",
booktitle = "Findings of the Association for Computational Linguistics: NAACL 2022",
month = jul,
year = "2022",
address = "Seattle, United States",
publisher = "Association for Computational Linguistics",
url = "https://aclanthology.org/2022.findings-naacl.60",
doi = "10.18653/v1/2022.findings-naacl.60",
pages = "801--812",}
#### License
Unknow
</details>
**With prompts**: https://huggingface.co/datasets/CATIE-AQ/multinerd_fr_prompt_ner
<details>
<summary>Citation and License</summary>
#### Citation
See the DOI at the end of this dataset card.
#### License
The `https://huggingface.co/datasets/CATIE-AQ/multinerd_fr_prompt_ner` dataset has the same license as the original dataset from which it is derived.
</details>
### Jean-Baptiste/wikiner_fr
**Original**: https://huggingface.co/datasets/Jean-Baptiste/wikiner_fr
The dataset is in native French.
<details>
<summary>Citation and License</summary>
#### Citation
> @article{NOTHMAN2013151,
title = {Learning multilingual named entity recognition from Wikipedia},
journal = {Artificial Intelligence},
volume = {194},
pages = {151-175},
year = {2013},
note = {Artificial Intelligence, Wikipedia and Semi-Structured Resources},
issn = {0004-3702},
doi = {https://doi.org/10.1016/j.artint.2012.03.006},
url = {https://www.sciencedirect.com/science/article/pii/S0004370212000276},
author = {Joel Nothman and Nicky Ringland and Will Radford and Tara Murphy and James R. Curran},
}
#### License
Unknow
</details>
**With prompts**: https://huggingface.co/datasets/CATIE-AQ/wikiner_fr_prompt_ner
<details>
<summary>Citation and License</summary>
#### Citation
See the DOI at the end of this dataset card.
#### License
The `https://huggingface.co/datasets/CATIE-AQ/wikiner_fr_prompt_ner` dataset has the same license as the original dataset from which it is derived.
</details>
</details>
<details>
<summary><h1>Part-of-speech</h1></summary>
Assigns a class to each word in a text. Possible classes here are Adposition, Adjective, Adverb, Auxiliary, Coordinating conjunction, Determiner, Interjection, Noun, Numeral, Particle, Pronoun, Proper noun, Punctuation, Subordinating conjunction, Symbol, Verb and Other.
## 21 prompts
<code>
'Extraire les classes des mots du texte suivant : '+text, <br>
'Extrais les classes des mots du texte suivant : '+text, <br>
'Extrayez les classes des mots du texte suivant : '+text, <br>
'Isoler les classes des mots du texte suivant : '+text, <br>
'Isole les classes des mots du texte suivant : '+text, <br>
'Isolez les classes des mots du texte suivant : '+text, <br>
'Dégager les classes des mots dans le texte : '+text, <br>
'Dégage les classes des mots dans le texte : '+text, <br>
'Dégagez les classes des mots dans le texte : '+text, <br>
'Générer les classes des mots issues du texte suivant : '+text, <br>
'Génère les classes des mots issues du texte suivant : '+text, <br>
'Générez les classes des mots issues du texte suivant : '+text, <br>
'Trouver les classes des mots du texte : '+text, <br>
'Trouve les classes des mots du texte : '+text, <br>
'Trouvez les classes des mots du texte : '+text, <br>
'Repérer les classes des mots présentes dans le texte suivant : '+text, <br>
'Repère les classes des mots présentes dans le texte suivant : '+text, <br>
'Repérez les classes des mots présentes dans le texte suivant : '+text, <br>
'Indiquer les classes des mots du texte :'+text, <br>
'Indique les classes des mots du texte : '+text, <br>
'Indiquez les classes des mots du texte : '+text
</code>
An example:
| inputs | targets |
| -------- | ------- |
| Extraire les classes des mots du texte suivant : Les commotions cérébrales sont devenu si courantes dans ce sport qu' on les considére presque comme la routine .| DET, NOUN, ADJ, AUX, VERB, ADV, ADJ, ADP, DET, NOUN, SCONJ, PRON, PRON, VERB, ADV, ADP, DET, NOUN, PUNCT|
#### Citation
### universal_dependencies
**Original**: https://huggingface.co/datasets/universal_dependencies
Note: only the French portion of this multilingual dataset is kept for our use. These are the `fr_fqb`, `fr_gsd`, `fr_partut`, `fr_pud`, `fr_sequoia` and `fr_spoken` splits.
The dataset is in native French.
<details>
<summary>Citation and License</summary>
#### Citation
> @inproceedings{nivre-etal-2020-universal,
title = "{U}niversal {D}ependencies v2: An Evergrowing Multilingual Treebank Collection",
author = "Nivre, Joakim and de Marneffe, Marie-Catherine and Ginter, Filip and Haji{\v{c}}, Jan and Manning, Christopher D. and Pyysalo, Sampo and Schuster, Sebastian and Tyers, Francis and Zeman, Daniel",
booktitle = "Proceedings of the Twelfth Language Resources and Evaluation Conference",
month = may,
year = "2020",
address = "Marseille, France",
publisher = "European Language Resources Association",
url = "https://aclanthology.org/2020.lrec-1.497",
pages = "4034--4043",
language = "English",
ISBN = "979-10-95546-34-4",}
#### License
The `fr_gsd`, `fr_partut` and `fr_spoken` splits are licensed under cc-by-nc-4.0.
The `fr_fqb`, `fr_sequoia` splits are licensed under lgpl.
The `fr_pud` split is licensed under cc-by-sa-3.0.
</details>
**With prompts**:
https://huggingface.co/datasets/CATIE-AQ/universal_dependencies_fr_fqb_fr_prompt_pos
https://huggingface.co/datasets/CATIE-AQ/universal_dependencies_fr_gsd_fr_prompt_pos
https://huggingface.co/datasets/CATIE-AQ/universal_dependencies_fr_partut_fr_prompt_pos
https://huggingface.co/datasets/CATIE-AQ/universal_dependencies_fr_pud_fr_prompt_pos
https://huggingface.co/datasets/CATIE-AQ/universal_dependencies_fr_sequoia_fr_prompt_pos
https://huggingface.co/datasets/CATIE-AQ/universal_dependencies_fr_spoken_fr_prompt_pos
<details>
<summary>Citation and License</summary>
#### Citation
See the DOI at the end of this dataset card.
#### License
The `universal_dependencies_fr_fqb_fr_prompt_pos`, `universal_dependencies_fr_gsd_fr_prompt_pos`, `universal_dependencies_fr_partut_fr_prompt_pos`, `universal_dependencies_fr_pud_fr_prompt_pos`, `universal_dependencies_fr_sequoia_fr_prompt_pos`, `universal_dependencies_fr_spoken_fr_prompt_pos` datasets have the same license as the original dataset from which they are derived.</details>
</details>
</details>
<details>
<summary><h1>Data-to-text</h1></summary>
Text generation from keywords.
## 30 prompts
<code>
'Assembler les concepts suivants pour former une phrase : "'+concepts+'".', <br>
'Assemble les concepts suivants pour former une phrase : "'+concepts+'".', <br>
'Assemblez les concepts suivants pour former une phrase : "'+concepts+'".', <br>
'Étant donné la liste des concepts : "'+concepts+'". Générer une phrase avec tous les concepts : ', <br>
'Étant donné la liste des concepts : "'+concepts+'". Génère une phrase avec tous les concepts : ', <br>
'Étant donné la liste des concepts : "'+concepts+'". Générez une phrase avec tous les concepts : ', <br>
'Convertir les concepts en une phrase : "'+concepts+'".', <br>
'Convertis les concepts en une phrase : "'+concepts+'".', <br>
'Convertissez les concepts en une phrase : "'+concepts+'".', <br>
'Combiner tous les concepts suivants dans un texte concis et grammaticalement correct "'+concepts+'". Texte : ', <br>
'Combine tous les concepts suivants dans un texte concis et grammaticalement correct "'+concepts+'". Texte : ', <br>
'Combinez tous les concepts suivants dans un texte concis et grammaticalement correct "'+concepts+'". Texte : ', <br>
'Générer une phrase à partir des informations fournies ci-contre : "'+concepts+'".', <br>
'Génère une phrase à partir des informations fournies ci-contre : "'+concepts+'".', <br>
'Générez une phrase à partir des informations fournies ci-contre : "'+concepts+'".', <br>
'Verbaliser les concepts suivants séparés par une virgule : "'+concepts+'".', <br>
'Verbalise les concepts suivants séparés par une virgule : "'+concepts+'".', <br>
'Verbalisez les concepts suivants séparés par une virgule : "'+concepts+'".', <br>
'Générer un texte intégrant les concepts suivants '+concepts+'". Texte :', <br>
'Génère un texte intégrant les concepts suivants '+concepts+'". Texte :', <br>
'Générez un texte intégrant les concepts suivants '+concepts+'". Texte :', <br>
'"'+concepts+'". Ecrire 1 à 5 phrases sur les concepts précédents.', <br>
'"'+concepts+'". Ecris 1 à 5 phrases sur les concepts précédents.', <br>
'"'+concepts+'". Ecrivez 1 à 5 phrases sur les concepts précédents.', <br>
'Rédiger un texte avec : "'+concepts+'".', <br>
'Rédige un texte avec : "'+concepts+'".', <br>
'Rédigez un texte avec : "'+concepts+'".', <br>
'Écrire un texte sur les concepts suivants : "'+concepts+'".', <br>
'Écris un texte sur les concepts suivants : "'+concepts+'".', <br>
'Écrivez un texte sur les concepts suivants : "'+concepts+'".',
</code>
An example:
| inputs | targets |
| -------- | ------- |
| Assembler les concepts suivants pour former une phrase : "Mouillabilité, Caoutchouc, Ferromagnétique, Aimantation". | Contrôle magnétique de la mouillabilité Un film de caoutchouc comportant des grains ferromagnétiques durs (avec un axe d'aimantation privilégié) est préparé avec des régions en ruban, alternées en aimantation. Si un tel film, fixé sur un support solide, est soumis à un champ magnétique tangentiel H, il doit déformer la surface libre en crêtes et vallées, et devenir de ce fait plus mouillable. |
## Datasets
### taln-ls2n/termith-eval
**Original**: https://huggingface.co/datasets/taln-ls2n/termith-eval
<details>
<summary>Citation and License</summary>
#### Citation
>- (Boudin, 2013) Florian Boudin. 2013.
[TALN Archives : a digital archive of French research articles in Natural Language Processing (TALN Archives : une archive numérique francophone des articles de recherche en Traitement Automatique de la Langue) [in French]][boudin-2013].
In Proceedings of TALN 2013 (Volume 2: Short Papers), pages 507–514, Les Sables d’Olonne, France. ATALA.
>- (Boudin and Gallina, 2021) Florian Boudin and Ygor Gallina. 2021.
[Redefining Absent Keyphrases and their Effect on Retrieval Effectiveness][boudin-2021].
In Proceedings of the 2021 Conference of the North American Chapter of the Association for Computational Linguistics: Human Language Technologies, pages 4185–4193, Online. Association for Computational Linguistics.
[boudin-2013]: https://aclanthology.org/F13-2001/
[boudin-2021]: https://aclanthology.org/2021.naacl-main.330/
#### License
cc-by-4.0
</details>
**With prompts**: https://huggingface.co/datasets/CATIE-AQ/termith-eval_fr_prompt_data_to_text
<details>
<summary>Citation and License</summary>
#### Citation
See the DOI at the end of this dataset card.
#### License
The `termith-eval_fr_prompt_data_to_text` dataset has the same license as the original dataset from which it is derived.
</details>
### taln-ls2n/taln-archives
**Original**: https://huggingface.co/datasets/taln-ls2n/taln-archives
<details>
<summary>Citation and License</summary>
#### Citation
>- (Boudin, 2013) Florian Boudin. 2013.
[TALN Archives : a digital archive of French research articles in Natural Language Processing (TALN Archives : une archive numérique francophone des articles de recherche en Traitement Automatique de la Langue) [in French]][boudin-2013].
In Proceedings of TALN 2013 (Volume 2: Short Papers), pages 507–514, Les Sables d’Olonne, France. ATALA.
>- (Boudin and Gallina, 2021) Florian Boudin and Ygor Gallina. 2021.
[Redefining Absent Keyphrases and their Effect on Retrieval Effectiveness][boudin-2021].
In Proceedings of the 2021 Conference of the North American Chapter of the Association for Computational Linguistics: Human Language Technologies, pages 4185–4193, Online. Association for Computational Linguistics.
[boudin-2013]: https://aclanthology.org/F13-2001/
[boudin-2021]: https://aclanthology.org/2021.naacl-main.330/
#### License
cc-by-4.0
</details>
**With prompts**: https://huggingface.co/datasets/CATIE-AQ/taln-archives_fr_prompt_data_to_text
<details>
<summary>Citation and License</summary>
#### Citation
See the DOI at the end of this dataset card.
#### License
The `taln-archives_fr_prompt_data_to_text` dataset has the same license as the original dataset from which it is derived.
</details>
### taln-ls2n/wikinews-fr-100
**Original**: https://huggingface.co/datasets/taln-ls2n/wikinews-fr-100
<details>
<summary>Citation and License</summary>
#### Citation
>- (Boudin, 2013) Florian Boudin. 2013.
[TALN Archives : a digital archive of French research articles in Natural Language Processing (TALN Archives : une archive numérique francophone des articles de recherche en Traitement Automatique de la Langue) [in French]][boudin-2013].
In Proceedings of TALN 2013 (Volume 2: Short Papers), pages 507–514, Les Sables d’Olonne, France. ATALA.
>- (Boudin and Gallina, 2021) Florian Boudin and Ygor Gallina. 2021.
[Redefining Absent Keyphrases and their Effect on Retrieval Effectiveness][boudin-2021].
In Proceedings of the 2021 Conference of the North American Chapter of the Association for Computational Linguistics: Human Language Technologies, pages 4185–4193, Online. Association for Computational Linguistics.
[boudin-2013]: https://aclanthology.org/F13-2001/
[boudin-2021]: https://aclanthology.org/2021.naacl-main.330/
#### License
cc-by-4.0
</details>
**With prompts**: https://huggingface.co/datasets/CATIE-AQ/wikinews-fr-100_fr_prompt_data_to_text
<details>
<summary>Citation and License</summary>
#### Citation
See the DOI at the end of this dataset card.
#### License
The `wikinews-fr-100_fr_prompt_data_to_text` dataset has the same license as the original dataset from which it is derived.
</details>
</details>
<details>
<summary><h1>Keywords extraction</h1></summary>
## 21 prompts
<code>
'Extraire les mots clés importants du texte suivant : '+text, <br>
'Extrais les mots clés importants du texte suivant : '+text, <br>
'Extrayez les mots clés importants du texte suivant : '+text, <br>
'Isoler les mots clés importants du texte suivant : '+text, <br>
'Isole les mots clés importants du texte suivant : '+text, <br>
'Isolez les mots clés importants du texte suivant : '+text, <br>
'Dégager des mots clés dans le texte : '+text, <br>
'Dégage des mots clés dans le texte : '+text, <br>
'Dégagez des mots clés dans le texte : '+text, <br>
'Générer des mots clés issus du texte suivant : '+text, <br>
'Génère des mots clés issus du texte suivant : '+text, <br>
'Générez des mots clés issus du texte suivant : '+text, <br>
'Trouver les mots clés du texte : '+text, <br>
'Trouve les mots clés du texte : '+text, <br>
'Trouvez les mots clés du texte : '+text, <br>
'Repérer les mots clés importants présents dans le texte suivant : '+text, <br>
'Repère les mots clés importants présents dans le texte suivant : '+text, <br>
'Repérez les mots clés importants présents dans le texte suivant : '+text, <br>
'Indiquer les mots clés du texte : '+text, <br>
'Indiquer les mots clés du texte : '+text, <br>
'Indiquer les mots clés du texte : '+text
</code>
An example:
| inputs | targets |
| -------- | ------- |
| Extraire les mots clés importants du texte suivant : Contrôle magnétique de la mouillabilité Un film de caoutchouc comportant des grains ferromagnétiques durs (avec un axe d'aimantation privilégié) est préparé avec des régions en ruban, alternées en aimantation. Si un tel film, fixé sur un support solide, est soumis à un champ magnétique tangentiel H, il doit déformer la surface libre en crêtes et vallées, et devenir de ce fait plus mouillable. | Mouillabilité, Caoutchouc, Ferromagnétique, Aimantation. |
## Datasets
### taln-ls2n/termith-eval
**Original**: https://huggingface.co/datasets/taln-ls2n/termith-eval
<details>
<summary>Citation and License</summary>
#### Citation
>- (Boudin, 2013) Florian Boudin. 2013.
[TALN Archives : a digital archive of French research articles in Natural Language Processing (TALN Archives : une archive numérique francophone des articles de recherche en Traitement Automatique de la Langue) [in French]][boudin-2013].
In Proceedings of TALN 2013 (Volume 2: Short Papers), pages 507–514, Les Sables d’Olonne, France. ATALA.
>- (Boudin and Gallina, 2021) Florian Boudin and Ygor Gallina. 2021.
[Redefining Absent Keyphrases and their Effect on Retrieval Effectiveness][boudin-2021].
In Proceedings of the 2021 Conference of the North American Chapter of the Association for Computational Linguistics: Human Language Technologies, pages 4185–4193, Online. Association for Computational Linguistics.
[boudin-2013]: https://aclanthology.org/F13-2001/
[boudin-2021]: https://aclanthology.org/2021.naacl-main.330/
#### License
cc-by-4.0
</details>
**With prompts**: https://huggingface.co/datasets/CATIE-AQ/termith-eval_fr_prompt_keywords_extraction
<details>
<summary>Citation and License</summary>
#### Citation
See the DOI at the end of this dataset card.
#### License
The `termith-eval_fr_prompt_keywords_extraction` dataset has the same license as the original dataset from which it is derived.
</details>
### taln-ls2n/taln-archives
**Original**: https://huggingface.co/datasets/taln-ls2n/taln-archives
<details>
<summary>Citation and License</summary>
#### Citation
>- (Boudin, 2013) Florian Boudin. 2013.
[TALN Archives : a digital archive of French research articles in Natural Language Processing (TALN Archives : une archive numérique francophone des articles de recherche en Traitement Automatique de la Langue) [in French]][boudin-2013].
In Proceedings of TALN 2013 (Volume 2: Short Papers), pages 507–514, Les Sables d’Olonne, France. ATALA.
>- (Boudin and Gallina, 2021) Florian Boudin and Ygor Gallina. 2021.
[Redefining Absent Keyphrases and their Effect on Retrieval Effectiveness][boudin-2021].
In Proceedings of the 2021 Conference of the North American Chapter of the Association for Computational Linguistics: Human Language Technologies, pages 4185–4193, Online. Association for Computational Linguistics.
[boudin-2013]: https://aclanthology.org/F13-2001/
[boudin-2021]: https://aclanthology.org/2021.naacl-main.330/
#### License
cc-by-4.0
</details>
**With prompts**: https://huggingface.co/datasets/CATIE-AQ/taln-archives_fr_prompt_keywords_extraction
<details>
<summary>Citation and License</summary>
#### Citation
See the DOI at the end of this dataset card.
#### License
The `taln-archives_fr_prompt_keywords_extraction` dataset has the same license as the original dataset from which it is derived.
</details>
### taln-ls2n/wikinews-fr-100
**Original**: https://huggingface.co/datasets/taln-ls2n/wikinews-fr-100
<details>
<summary>Citation and License</summary>
#### Citation
> - (Boudin, 2013) Florian Boudin. 2013.
[TALN Archives : a digital archive of French research articles in Natural Language Processing (TALN Archives : une archive numérique francophone des articles de recherche en Traitement Automatique de la Langue) [in French]][boudin-2013].
In Proceedings of TALN 2013 (Volume 2: Short Papers), pages 507–514, Les Sables d’Olonne, France. ATALA.
>- (Boudin and Gallina, 2021) Florian Boudin and Ygor Gallina. 2021.
[Redefining Absent Keyphrases and their Effect on Retrieval Effectiveness][boudin-2021].
In Proceedings of the 2021 Conference of the North American Chapter of the Association for Computational Linguistics: Human Language Technologies, pages 4185–4193, Online. Association for Computational Linguistics.
[boudin-2013]: https://aclanthology.org/F13-2001/
[boudin-2021]: https://aclanthology.org/2021.naacl-main.330/
#### License
cc-by-4.0
</details>
**With prompts**: https://huggingface.co/datasets/CATIE-AQ/wikinews-fr-100_fr_prompt_keywords_extraction
<details>
<summary>Citation and License</summary>
#### Citation
See the DOI at the end of this dataset card.
#### License
The `wikinews-fr-100_fr_prompt_keywords_extraction` dataset has the same license as the original dataset from which it is derived.
</details>
</details>
# Citation
> @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 }
} | [
-0.2740626335144043,
-0.8129948377609253,
0.5482035875320435,
0.5559554100036621,
-0.0820094421505928,
-0.07772091776132584,
0.004309090785682201,
-0.06135708838701248,
0.3997270166873932,
0.5383968949317932,
-0.7664792537689209,
-0.7213849425315857,
-0.47133108973503113,
0.461139619350433... | null | null | null | null | null | null | null | null | null | null | null | null | null | |
corbt/unlabeled-recipes | corbt | 2023-08-23T23:43:57Z | 15 | 0 | null | [
"region:us"
] | 2023-08-23T23:43:57Z | 2023-08-23T23:43:56.000Z | 2023-08-23T23:43:56 | ---
dataset_info:
features:
- name: recipe
dtype: string
splits:
- name: train
num_bytes: 2793853
num_examples: 5000
download_size: 1465640
dataset_size: 2793853
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---
# Dataset Card for "unlabeled-recipes"
[More Information needed](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards) | [
-0.3652884066104889,
-0.1887015551328659,
0.17827151715755463,
0.23140107095241547,
-0.07356204092502594,
0.1599763184785843,
0.016610294580459595,
-0.06581389904022217,
0.9489054679870605,
0.9706225991249084,
-0.8466628789901733,
-0.8968716859817505,
-0.6692937016487122,
-0.23413251340389... | null | null | null | null | null | null | null | null | null | null | null | null | null | |
tasksource/data | tasksource | 2023-09-12T07:38:43Z | 15 | 1 | null | [
"license:other",
"region:us"
] | 2023-09-12T07:38:43Z | 2023-08-24T15:10:59.000Z | 2023-08-24T15:10:59 | ---
license: other
---
# Tasksource unified loader
```python
load_dataset('tasksource/data', "glue/rte",max_rows=30_00)
``` | [
-0.12874862551689148,
-0.1699867695569992,
-0.07047519087791443,
0.7203215956687927,
-0.07568466663360596,
-0.3230413794517517,
-0.15400758385658264,
0.2843535244464874,
0.016886264085769653,
0.7294624447822571,
-0.5821832418441772,
-0.2711440324783325,
-0.5319343209266663,
0.3427748978137... | null | null | null | null | null | null | null | null | null | null | null | null | null | |
imoxto/prompt_injection_hackaprompt_gpt35 | imoxto | 2023-08-29T13:21:20Z | 15 | 0 | null | [
"region:us"
] | 2023-08-29T13:21:20Z | 2023-08-29T13:21:17.000Z | 2023-08-29T13:21:17 | ---
dataset_info:
features:
- name: labels
dtype: int64
- name: text
dtype: string
splits:
- name: train
num_bytes: 271856355
num_examples: 227042
download_size: 35972535
dataset_size: 271856355
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---
# Dataset Card for "prompt_injection_hackaprompt_gpt35"
[More Information needed](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards) | [
-0.6175870299339294,
-0.37098178267478943,
0.4714528024196625,
0.24662183225154877,
-0.22681383788585663,
0.18883712589740753,
0.4148047864437103,
-0.04403084143996239,
0.4574529230594635,
0.35123297572135925,
-0.6535017490386963,
-0.7221337556838989,
-0.520285427570343,
-0.224928811192512... | null | null | null | null | null | null | null | null | null | null | null | null | null | |
deadbits/vigil-jailbreak-ada-002 | deadbits | 2023-09-09T00:31:12Z | 15 | 0 | null | [
"embeddings",
"text",
"security",
"region:us"
] | 2023-09-09T00:31:12Z | 2023-09-03T01:45:47.000Z | 2023-09-03T01:45:47 | ---
tags:
- embeddings
- text
- security
pretty_name: 'Vigil: LLM Jailbreak embeddings'
---
# Vigil: LLM Jailbreak embeddings
- **Homepage:** [github.com/deadbits/vigil-llm](https://github.com/deadbits/vigil-llm)
`Vigil` is a Python framework and REST API for assessing Large Language Model (LLM) prompts against a set of scanners to detect prompt injections, jailbreaks, and other potentially risky inputs.
This repository contains `text-embedding-ada-002` embeddings for all "jailbreak" prompts used by [Vigil](https://github.com/deadbits/pvigil-llm).
You can use the [parquet2vdb.py](https://github.com/deadbits/vigil-llm/blob/main/vigil/utils/parquet2vdb.py) utility to load the embeddings in the Vigil chromadb instance, or use them in your own application.
## Format
```json
[
{
"text": str,
"embedding": [],
"model": "text-embedding-ada-002"
}
}
]
```
Jailbreak prompts sourced from: https://github.com/laiyer-ai/llm-guard/blob/399cb2eea70afc78482db226253ddd1d85f296e3/llm_guard/resources/jailbreak.json | [
-0.09621112793684006,
-0.9437070488929749,
0.7824931740760803,
0.43319451808929443,
-0.5338674783706665,
0.2816964089870453,
-0.1429944783449173,
-0.1788821518421173,
0.5264560580253601,
0.46061834692955017,
-0.27296292781829834,
-1.0115383863449097,
-0.6823576092720032,
0.0095804203301668... | null | null | null | null | null | null | null | null | null | null | null | null | null | |
chengli-thu/linghuchong | chengli-thu | 2023-09-03T01:57:53Z | 15 | 1 | null | [
"task_categories:text-generation",
"size_categories:1K<n<10K",
"language:zh",
"license:cc-by-4.0",
"arxiv:2308.09597",
"region:us"
] | 2023-09-03T01:57:53Z | 2023-09-03T01:51:46.000Z | 2023-09-03T01:51:46 | ---
license: cc-by-4.0
task_categories:
- text-generation
language:
- zh
size_categories:
- 1K<n<10K
---
支持ChatHaruhi2 的令狐冲数据，可以使用如下方式调用
```python
from chatharuhi import ChatHaruhi
chatbot = ChatHaruhi( role_from_hf = 'chengli-thu/linghuchong', \
llm = 'openai')
response = chatbot.chat(role='小师妹', text = '冲哥。')
print(response)
```
上传者: 李鲁鲁
更具体的信息，见 [ChatHaruhi](https://github.com/LC1332/Chat-Haruhi-Suzumiya)
欢迎加入我们的 [众筹角色创建项目](https://github.com/LC1332/Chat-Haruhi-Suzumiya/tree/main/characters/novel_collecting)
### Citation引用
Please cite the repo if you use the data or code in this repo.
```
@misc{li2023chatharuhi,
title={ChatHaruhi: Reviving Anime Character in Reality via Large Language Model},
author={Cheng Li and Ziang Leng and Chenxi Yan and Junyi Shen and Hao Wang and Weishi MI and Yaying Fei and Xiaoyang Feng and Song Yan and HaoSheng Wang and Linkang Zhan and Yaokai Jia and Pingyu Wu and Haozhen Sun},
year={2023},
eprint={2308.09597},
archivePrefix={arXiv},
primaryClass={cs.CL}
}
``` | [
0.16087427735328674,
-0.6772410869598389,
-0.1846867948770523,
0.2448553889989853,
-0.21016955375671387,
0.02215009182691574,
-0.45659971237182617,
-0.4871881604194641,
0.463061660528183,
0.20075707137584686,
-0.39246630668640137,
0.0804043710231781,
-0.2641885578632355,
-0.106730669736862... | null | null | null | null | null | null | null | null | null | null | null | null | null | |
DynamicSuperb/DialogueActPairing_DailyTalk | DynamicSuperb | 2023-11-01T08:35:59Z | 15 | 0 | null | [
"region:us"
] | 2023-11-01T08:35:59Z | 2023-09-05T05:39:00.000Z | 2023-09-05T05:39:00 | ---
dataset_info:
features:
- name: file
dtype: string
- name: audio
dtype: audio
- name: file2
dtype: string
- name: audio2
dtype: audio
- name: instruction
dtype: string
- name: label
dtype: string
splits:
- name: test
num_bytes: 1146410031.0
num_examples: 2000
download_size: 988425921
dataset_size: 1146410031.0
---
# Dataset Card for "DialogueActPairing_DailyTalk"
[More Information needed](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards) | [
-0.38689544796943665,
-0.46794021129608154,
0.18738000094890594,
0.46918731927871704,
-0.11893370747566223,
0.027367370203137398,
0.23984873294830322,
-0.3939332067966461,
0.8501999378204346,
0.6837145090103149,
-1.0644738674163818,
-0.8456799983978271,
-0.5746289491653442,
-0.463752567768... | null | null | null | null | null | null | null | null | null | null | null | null | null | |
Abhijeet3922/ESG-Prospectus-Clarity-Category | Abhijeet3922 | 2023-09-06T04:55:07Z | 15 | 4 | null | [
"task_categories:text-classification",
"task_categories:zero-shot-classification",
"size_categories:1K<n<10K",
"language:en",
"license:cc-by-nc-sa-4.0",
"finance",
"region:us"
] | 2023-09-06T04:55:07Z | 2023-09-05T06:24:55.000Z | 2023-09-05T06:24:55 | ---
license: cc-by-nc-sa-4.0
task_categories:
- text-classification
- zero-shot-classification
language:
- en
tags:
- finance
size_categories:
- 1K<n<10K
configs:
- config_name: esg-prospectus-clarity-category
data_files: "esg-prospectus-clarity-category.csv"
- config_name: esg-prospectus-clarity-granular-category
data_files: "esg-prospectus-clarity-granular-category.csv"
---
# Dataset Card for ESG-Prospectus-Clarity-Category
### Dataset Summary
This dataset is manually annotated quality training dataset of 1155 ESG language instances (4 classes), obtained via a data extraction pipeline from summary prospectuses of sustainable (ESG) funds.
The ESG sentences extracted from ‘Principal Investment Strategy’ sections of the documents. Following are the four classes.
1. Specific ESG Language
2. Ambiguous ESG Language
3. Generic ESG language
4. Risk ESG language
All the instances are related to ESG investment language present in prospectus of funds. Further all instances were annotated for language clarity classes.
### Supported Tasks and Leaderboards
Text Classification (Language style classification)
Few Shot Classification
### Languages
English
## Dataset Structure
### Data Instances
Total instances: 1155
classwise instances:
'Specific ESG': 320
'Ambiguous ESG': 283
'Generic ESG': 264
'Risk ESG': 288
### Data Fields
```
{ "Text": "The Sub-fund's weighted carbon footprint score is equal or better than that of the Custom Bloomberg Climate Transition Benchmark.",
"Label": "specific"
"Text": "The Sub-fund invests a minimum of 5% in green, social, sustainable, and/or sustainability-linked bonds.",
"Label": "specific"
"Text": "The Fund will seek to invest in companies with sustainable business models which have a strong consideration for ESG risks and opportunities.",
"Label": "ambiguous"
}
```
### Data Splits
There's no train/validation/test split.
However the dataset is available two level of categorizations:
`esg-prospectus-clarity-category.csv`: Number of classes: 4 ('specific', 'ambiguous', 'generic', 'risk')
`esg-prospectus-clarity-granular-category.csv`: Number of classes: 7 ('specific', 'ambiguous', 'generic', 'general-risk', 'performance-risk', 'data-risk', 'disclaimer-risk')
## Dataset Creation
### Source Data
#### Initial Data Collection and Normalization
The process begins with downloading the public ‘Summary Prospectuses’ from literature sections of the official websites of various Asset Management Companies (AMCs).
We collected approximately 250 sustainable products prospectuses.
#### Who are the source language producers?
The source data was written and published by various fund issuers (Asset Management Companies).
### Annotations
#### Annotation process
The dataset was divided into three subsets and each annotator was allocated 2 subset of sentences and was given few weeks to label the sentences.
Consequently, each of the 1155 instances was annotated by 2 annotators. We release standard dataset of sentences after 100% agreement.
#### Who are the annotators?
The open-sourced dataset was annotated by 3 people with adequate knowledge of ESG investing and were fluent in English with previous exposure of analyzing financial documents.
## Considerations for Using the Data
The dataset can be used to investigate the transparency in sustainability intention of language mentioned in ESG disclosures of sustainable funds.
### Discussion of Biases
The data instances might cover languages from certain fund issuers (not all). It was extracted from randomly chosen prospectuses from the collected corpus.
The dataset might be revised with broader coverage of prospectus language in future.
### Licensing Information
This work is licensed under the Creative Commons Attribution-NonCommercial-ShareAlike 4.0 Unported License. To view a copy of this license, visit http://creativecommons.org/licenses/by-nc-sa/3.0/.
If you are interested in commercial use of the data, please contact the following author for an appropriate license:
- [Abhijeet Kumar](mailto:abhijeet.kumar@fmr.com)
### Citation Information
[More Information Needed]
### Contributions
Thanks to [Nazia Nafis](https://www.linkedin.com/in/nazianafis/) and [Mayank Singh](https://www.linkedin.com/in/mayank-singh-43761b155/) for contributing to the dataset creation process.
Any contribution or further research by the community are welcome. | [
-0.14823001623153687,
-0.5694022178649902,
0.09365911036729813,
0.16689074039459229,
-0.27560722827911377,
0.19352352619171143,
-0.21355971693992615,
-0.4034935534000397,
0.2625390291213989,
0.4895889163017273,
-0.5643961429595947,
-0.9939450025558472,
-0.47579097747802734,
0.1946336477994... | null | null | null | null | null | null | null | null | null | null | null | null | null | |
miraeconan/network-data | miraeconan | 2023-09-10T14:17:10Z | 15 | 0 | null | [
"license:cc0-1.0",
"region:us"
] | 2023-09-10T14:17:10Z | 2023-09-10T13:02:40.000Z | 2023-09-10T13:02:40 | ---
license: cc0-1.0
---
| [
-0.1285335123538971,
-0.1861683875322342,
0.6529128551483154,
0.49436232447624207,
-0.19319400191307068,
0.23607441782951355,
0.36072009801864624,
0.05056373029947281,
0.5793656706809998,
0.7400146722793579,
-0.650810182094574,
-0.23784008622169495,
-0.7102247476577759,
-0.0478255338966846... | null | null | null | null | null | null | null | null | null | null | null | null | null | |
pietrolesci/agnews | pietrolesci | 2023-09-13T12:02:12Z | 15 | 0 | null | [
"task_categories:text-classification",
"size_categories:100K<n<1M",
"language:en",
"region:us"
] | 2023-09-13T12:02:12Z | 2023-09-13T10:17:01.000Z | 2023-09-13T10:17:01 | ---
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: test
path: data/test-*
- config_name: embedding_all-MiniLM-L12-v2
data_files:
- split: train
path: embedding_all-MiniLM-L12-v2/train-*
- split: test
path: embedding_all-MiniLM-L12-v2/test-*
- config_name: embedding_all-mpnet-base-v2
data_files:
- split: train
path: embedding_all-mpnet-base-v2/train-*
- split: test
path: embedding_all-mpnet-base-v2/test-*
- config_name: embedding_multi-qa-mpnet-base-dot-v1
data_files:
- split: train
path: embedding_multi-qa-mpnet-base-dot-v1/train-*
- split: test
path: embedding_multi-qa-mpnet-base-dot-v1/test-*
dataset_info:
- config_name: default
features:
- name: text
dtype: string
- name: labels
dtype:
class_label:
names:
'0': World
'1': Sports
'2': Business
'3': Sci/Tech
- name: uid
dtype: int64
splits:
- name: train
num_bytes: 30777303
num_examples: 120000
- name: test
num_bytes: 1940274
num_examples: 7600
download_size: 20531429
dataset_size: 32717577
- config_name: embedding_all-MiniLM-L12-v2
features:
- name: uid
dtype: int64
- name: embedding_all-MiniLM-L12-v2
sequence: float32
splits:
- name: train
num_bytes: 185760000
num_examples: 120000
- name: test
num_bytes: 11764800
num_examples: 7600
download_size: 276467219
dataset_size: 197524800
- config_name: embedding_all-mpnet-base-v2
features:
- name: uid
dtype: int64
- name: embedding_all-mpnet-base-v2
sequence: float32
splits:
- name: train
num_bytes: 370080000
num_examples: 120000
- name: test
num_bytes: 23438400
num_examples: 7600
download_size: 472647323
dataset_size: 393518400
- config_name: embedding_multi-qa-mpnet-base-dot-v1
features:
- name: uid
dtype: int64
- name: embedding_multi-qa-mpnet-base-dot-v1
sequence: float32
splits:
- name: train
num_bytes: 370080000
num_examples: 120000
- name: test
num_bytes: 23438400
num_examples: 7600
download_size: 472640830
dataset_size: 393518400
task_categories:
- text-classification
language:
- en
size_categories:
- 100K<n<1M
---
This is the same dataset as [`ag_news`](https://huggingface.co/datasets/ag_news).
The only differences are
1. Addition of a unique identifier, `uid`
1. Addition of the indices, that is 3 columns with the embeddings of 3 different sentence-transformers
- `all-mpnet-base-v2`
- `multi-qa-mpnet-base-dot-v1`
- `all-MiniLM-L12-v2`
1. Renaming of the `label` column to `labels` for easier compatibility with the transformers library | [
-0.28205516934394836,
-0.5178671479225159,
0.33977654576301575,
0.22461830079555511,
0.12509550154209137,
0.07028748095035553,
0.1174599900841713,
-0.12416093051433563,
0.6083349585533142,
0.3209848701953888,
-0.6365554332733154,
-0.5500736832618713,
-0.6693978309631348,
0.3225687146186828... | null | null | null | null | null | null | null | null | null | null | null | null | null | |
simlaharma/processed_bert_dataset | simlaharma | 2023-09-13T17:43:40Z | 15 | 0 | null | [
"region:us"
] | 2023-09-13T17:43:40Z | 2023-09-13T17:43:09.000Z | 2023-09-13T17:43:09 | Entry not found | [
-0.32276472449302673,
-0.22568407654762268,
0.8622258901596069,
0.4346148371696472,
-0.5282984972000122,
0.7012965679168701,
0.7915717363357544,
0.07618629932403564,
0.7746022939682007,
0.2563222646713257,
-0.785281777381897,
-0.22573848068714142,
-0.9104482531547546,
0.5715669393539429,
... | null | null | null | null | null | null | null | null | null | null | null | null | null | |
GhayasAhmed/indian_ASR_2 | GhayasAhmed | 2023-09-19T06:20:06Z | 15 | 0 | null | [
"region:us"
] | 2023-09-19T06:20:06Z | 2023-09-19T06:15:51.000Z | 2023-09-19T06:15:51 | ---
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
dataset_info:
features:
- name: audio
dtype: audio
- name: transcription
dtype: string
splits:
- name: train
num_bytes: 2668422488.192
num_examples: 16152
download_size: 3009401094
dataset_size: 2668422488.192
---
# Dataset Card for "indian_ASR_2"
[More Information needed](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards) | [
-0.34839385747909546,
-0.16293886303901672,
-0.1398976594209671,
0.4745928943157196,
-0.36776798963546753,
0.16857095062732697,
0.2907755970954895,
-0.2890430688858032,
0.6163290143013,
0.2424885332584381,
-0.5514514446258545,
-0.35669079422950745,
-0.7784874439239502,
-0.2872752547264099,... | null | null | null | null | null | null | null | null | null | null | null | null | null | |
Dippi9845/arxiv-no-stop-word-2 | Dippi9845 | 2023-09-20T17:13:45Z | 15 | 0 | null | [
"license:cc-by-nc-4.0",
"region:us"
] | 2023-09-20T17:13:45Z | 2023-09-20T14:15:05.000Z | 2023-09-20T14:15:05 | ---
license: cc-by-nc-4.0
---
| [
-0.12853392958641052,
-0.18616779148578644,
0.6529127955436707,
0.49436280131340027,
-0.19319361448287964,
0.23607419431209564,
0.36072003841400146,
0.050563063472509384,
0.579365611076355,
0.7400140762329102,
-0.6508104205131531,
-0.23783954977989197,
-0.7102249264717102,
-0.0478260256350... | null | null | null | null | null | null | null | null | null | null | null | null | null | |
ahmed-masry/ChartQA | ahmed-masry | 2023-09-21T03:31:50Z | 15 | 2 | null | [
"license:gpl-3.0",
"region:us"
] | 2023-09-21T03:31:50Z | 2023-09-21T03:30:55.000Z | 2023-09-21T03:30:55 | ---
license: gpl-3.0
---
| [
-0.1285335123538971,
-0.1861683875322342,
0.6529128551483154,
0.49436232447624207,
-0.19319400191307068,
0.23607441782951355,
0.36072009801864624,
0.05056373029947281,
0.5793656706809998,
0.7400146722793579,
-0.650810182094574,
-0.23784008622169495,
-0.7102247476577759,
-0.0478255338966846... | null | null | null | null | null | null | null | null | null | null | null | null | null | |
Vaibhav9401/toxic75k | Vaibhav9401 | 2023-09-22T16:39:35Z | 15 | 0 | null | [
"region:us"
] | 2023-09-22T16:39:35Z | 2023-09-22T16:29:27.000Z | 2023-09-22T16:29:27 | ---
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
dataset_info:
features:
- name: llama_finetune_text
dtype: string
splits:
- name: train
num_bytes: 61395720
num_examples: 72313
download_size: 11452836
dataset_size: 61395720
---
# Dataset Card for "toxic75k"
[More Information needed](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards) | [
-0.3971365690231323,
-0.08580029755830765,
0.1592862457036972,
0.28029385209083557,
-0.2946780025959015,
0.07602802664041519,
0.278615266084671,
-0.19364365935325623,
0.7691745758056641,
0.5647350549697876,
-0.8474246859550476,
-0.9398085474967957,
-0.5511130094528198,
-0.23761294782161713... | null | null | null | null | null | null | null | null | null | null | null | null | null | |
tyzhu/squad_for_gpt_train_1000_100 | tyzhu | 2023-09-25T09:48:13Z | 15 | 0 | null | [
"region:us"
] | 2023-09-25T09:48:13Z | 2023-09-25T07:26:43.000Z | 2023-09-25T07:26:43 | ---
dataset_info:
features:
- name: text
dtype: string
- name: inputs
dtype: string
- name: targets
dtype: string
- name: context
dtype: string
- name: question
dtype: string
- name: answers
struct:
- name: answer_start
sequence: int64
- name: text
sequence: string
splits:
- name: train
num_bytes: 3564228.0
num_examples: 1000
- name: validation
num_bytes: 371624
num_examples: 100
download_size: 2479909
dataset_size: 3935852.0
---
# Dataset Card for "squad_for_gpt_train_1000_100"
[More Information needed](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards) | [
-0.5569455027580261,
-0.14596955478191376,
0.2128710299730301,
0.4044058918952942,
-0.09662429243326187,
0.080900177359581,
0.3968278765678406,
0.13463814556598663,
0.5893843173980713,
0.16175280511379242,
-1.166575312614441,
-0.5183960199356079,
-0.5278869867324829,
-0.11452586203813553,
... | null | null | null | null | null | null | null | null | null | null | null | null | null | |
oserikov/arabic_billion_words | oserikov | 2023-09-27T11:18:25Z | 15 | 0 | null | [
"task_categories:text-generation",
"task_categories:fill-mask",
"task_ids:language-modeling",
"task_ids:masked-language-modeling",
"annotations_creators:found",
"language_creators:found",
"multilinguality:monolingual",
"size_categories:100K<n<1M",
"size_categories:10K<n<100K",
"size_categories:1M<... | 2023-09-27T11:18:25Z | 2023-09-27T10:56:10.000Z | 2023-09-27T10:56:10 | ---
annotations_creators:
- found
language_creators:
- found
language:
- ar
license:
- unknown
multilinguality:
- monolingual
size_categories:
- 100K<n<1M
- 10K<n<100K
- 1M<n<10M
source_datasets:
- original
task_categories:
- text-generation
- fill-mask
task_ids:
- language-modeling
- masked-language-modeling
paperswithcode_id: null
pretty_name: Arabic Billion Words
dataset_info:
- config_name: Alittihad
features:
- name: url
dtype: string
- name: head_line
dtype: string
- name: date
dtype: string
- name: text
dtype: string
splits:
- name: train
num_bytes: 1601790302
num_examples: 349342
download_size: 348259999
dataset_size: 1601790302
- config_name: Almasryalyoum
features:
- name: url
dtype: string
- name: head_line
dtype: string
- name: date
dtype: string
- name: text
dtype: string
splits:
- name: train
num_bytes: 1056197870
num_examples: 291723
download_size: 242604438
dataset_size: 1056197870
- config_name: Almustaqbal
features:
- name: url
dtype: string
- name: head_line
dtype: string
- name: date
dtype: string
- name: text
dtype: string
splits:
- name: train
num_bytes: 1545659336
num_examples: 446873
download_size: 350826797
dataset_size: 1545659336
- config_name: Alqabas
features:
- name: url
dtype: string
- name: head_line
dtype: string
- name: date
dtype: string
- name: text
dtype: string
splits:
- name: train
num_bytes: 2631729746
num_examples: 817274
download_size: 595274646
dataset_size: 2631729746
- config_name: Echoroukonline
features:
- name: url
dtype: string
- name: head_line
dtype: string
- name: date
dtype: string
- name: text
dtype: string
splits:
- name: train
num_bytes: 464386206
num_examples: 139732
download_size: 108184378
dataset_size: 464386206
- config_name: Ryiadh
features:
- name: url
dtype: string
- name: head_line
dtype: string
- name: date
dtype: string
- name: text
dtype: string
splits:
- name: train
num_bytes: 3101294859
num_examples: 858188
download_size: 691264971
dataset_size: 3101294859
- config_name: Sabanews
features:
- name: url
dtype: string
- name: head_line
dtype: string
- name: date
dtype: string
- name: text
dtype: string
splits:
- name: train
num_bytes: 198019614
num_examples: 92149
download_size: 38214558
dataset_size: 198019614
- config_name: SaudiYoum
features:
- name: url
dtype: string
- name: head_line
dtype: string
- name: date
dtype: string
- name: text
dtype: string
splits:
- name: train
num_bytes: 2723291416
num_examples: 888068
download_size: 605537923
dataset_size: 2723291416
- config_name: Techreen
features:
- name: url
dtype: string
- name: head_line
dtype: string
- name: date
dtype: string
- name: text
dtype: string
splits:
- name: train
num_bytes: 1103458209
num_examples: 314597
download_size: 252976781
dataset_size: 1103458209
- config_name: Youm7
features:
- name: url
dtype: string
- name: head_line
dtype: string
- name: date
dtype: string
- name: text
dtype: string
splits:
- name: train
num_bytes: 3004689464
num_examples: 1172136
download_size: 617708074
dataset_size: 3004689464
config_names:
- Alittihad
- Almasryalyoum
- Almustaqbal
- Alqabas
- Echoroukonline
- Ryiadh
- Sabanews
- SaudiYoum
- Techreen
- Youm7
---
# Dataset Card for Arabic Billion Words Corpus
## 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:** http://www.abuelkhair.net/index.php/en/arabic/abu-el-khair-corpus
- **Repository:**
- **Paper:** https://arxiv.org/pdf/1611.04033
- **Leaderboard:**
- **Point of Contact:**[Ibrahim Abu El-Khair](iabuelkhair@gmail.com)
### Dataset Summary
Abu El-Khair Corpus is an Arabic text corpus, that includes more than five million newspaper articles.
It contains over a billion and a half words in total, out of which, there are about three million unique words.
The corpus is encoded with two types of encoding, namely: UTF-8, and Windows CP-1256.
Also it was marked with two mark-up languages, namely: SGML, and XML.
**NB:** this dataset is based on the [unofficial copy](https://drive.google.com/drive/folders/1F2wCEfFHzJqX7eTuWhh-pGtrsaHPvTT8?usp=drive_link) ([discussion](https://huggingface.co/datasets/arabic_billion_words/discussions/3)) of the data, and assumes it was downloaded properly. Put the `new_data_*` files to the `./dataset` folder like this:
```
[user@machine /path/to/dataset]$ tree
.
├── arabic_billion_words.py
├── dataset
│ ├── new_data_Alittihad_XML_utf_8.rar
│ ├── new_data_Almasryalyoum_XML_utf_8.rar
│ ├── new_data_Almustaqbal_XML_utf_8.rar
│ ├── new_data_Alqabas_XML_utf_8.rar
│ ├── new_data_Echoroukonline_XML_utf_8.rar
│ ├── new_data_Ryiadh_XML_utf_8.rar
│ ├── new_data_Sabanews_XML_utf_8.rar
│ ├── new_data_SaudiYoum_XML_utf_8.rar
│ ├── new_data_Techreen_XML_utf_8.rar
│ └── new_data_Youm7_XML_utf_8.rar
├── dataset_infos.json
├── README.md
└── usage_example.py
```
### Supported Tasks and Leaderboards
[More Information Needed]
### Languages
Arabic
## Dataset Structure
### Data Instances
This is an example of the "Almasryalyoum" configuration subset:
```python
{
"url": "http://today.almasryalyoum.com/printerfriendly.aspx?ArticleID=61300",
"head_line": "رئيس وزراء المجر: عنصرية جماهير أوجبيست جلبت العار للبلاد",
"date": "19/5/2007",
"text": """قال متحدث باسم الحكومة المجرية: إن رئيس الوزراء فيرنك جيوركساني رحب بقرار اتحاد كرة القدم المجري بخصم ثلاث نقاط من نادي أوجبيست بسبب السلوك العنصري الذي صدر من جماهيره.
وعاقب الاتحاد المجري فريق أوجبيست بعد أن سخرت جماهيره من إبراهيم سيديبي مهاجم فريق ديبرينسين الأسود أثناء مباراة الفريقين أوائل مايو الجاري.
يذكر أن الاتحاد فرض أيضا غرامة مالية قدرها 20 ألف دولار علي أوجبيست في عام 2005 بعد أن رددت جماهيره شعارات معادية للسامية خلال مباراة بالدوري المجري.
وأوضح جيوركساني في خطاب إلي إيستفان كيستليكي رئيس الاتحاد المجري لكرة القدم، أن هذا السلوك العنصري من الجماهير «جلب العار لكرة القدم وللمجر». يذكر أن المجر بها مجموعة من مشجعي كرة القدم المشاغبين «الهوليجانز»، وشارك الكثير منهم في أعمال شغب معادية للحكومة في العام الماضي.""",
}
```
### Data Fields
The data fields are:
- "url": string, original url of the article,
- "head_line": string, headline of the article,
- "date": string, date of the article,
- "text": string, text content of the article,
### Data Splits
There is only one "training" split for all configuration subsets, containing the following number of examples:
| | Number of examples |
|:---------------|-------------------:|
| Alittihad | 349342 |
| Almasryalyoum | 291723 |
| Almustaqbal | 446873 |
| Alqabas | 817274 |
| Echoroukonline | 139732 |
| Ryiadh | 858188 |
| Sabanews | 92149 |
| SaudiYoum | 888068 |
| Techreen | 314597 |
| Youm7 | 1172136 |
## Dataset Creation
### Curation Rationale
[More Information Needed]
### Source Data
#### Initial Data Collection and Normalization
[More Information Needed]
#### Who are the source language producers?
[More Information Needed]
### Annotations
#### Annotation process
[More Information Needed]
#### Who are the annotators?
[More Information Needed]
### Personal and Sensitive Information
[More Information Needed]
## Considerations for Using the Data
### Social Impact of Dataset
[More Information Needed]
### Discussion of Biases
[More Information Needed]
### Other Known Limitations
[More Information Needed]
## Additional Information
### Dataset Curators
[More Information Needed]
### Licensing Information
[More Information Needed]
### Citation Information
```
@article{el20161,
title={1.5 billion words arabic corpus},
author={El-Khair, Ibrahim Abu},
journal={arXiv preprint arXiv:1611.04033},
year={2016}
}
```
### Contributions
Thanks to [@zaidalyafeai](https://github.com/zaidalyafeai) and [@albertvillanova](https://github.com/albertvillanova) for adding this dataset. | [
-0.648841917514801,
-0.5459628701210022,
0.15194906294345856,
0.24182334542274475,
-0.4029785692691803,
-0.03754344955086708,
-0.25393563508987427,
-0.4571084678173065,
0.33509668707847595,
0.2555845379829407,
-0.481376588344574,
-1.0164014101028442,
-0.7878057956695557,
0.5127919316291809... | null | null | null | null | null | null | null | null | null | null | null | null | null | |
polinaeterna/tabular-benchmark | polinaeterna | 2023-09-28T12:11:36Z | 15 | 0 | null | [
"task_categories:tabular-classification",
"task_categories:tabular-regression",
"region:us"
] | 2023-09-28T12:11:36Z | 2023-09-27T11:30:57.000Z | 2023-09-27T11:30:57 |
---
annotations_creators: []
license: []
pretty_name: tabular_benchmark
tags: []
task_categories:
- tabular-classification
- tabular-regression
configs:
- config_name: clf_cat_covertype
data_files: clf_cat/covertype.csv
- config_name: clf_num_Higgs
data_files: clf_num/Higgs.csv
---
# Tabular Benchmark
## Dataset Description
This dataset is a curation of various datasets from [openML](https://www.openml.org/) and is curated to benchmark performance of various machine learning algorithms.
- **Repository:** https://github.com/LeoGrin/tabular-benchmark/community
- **Paper:** https://hal.archives-ouvertes.fr/hal-03723551v2/document
### Dataset Summary
Benchmark made of curation of various tabular data learning tasks, including:
- Regression from Numerical and Categorical Features
- Regression from Numerical Features
- Classification from Numerical and Categorical Features
- Classification from Numerical Features
### Supported Tasks and Leaderboards
- `tabular-regression`
- `tabular-classification`
## Dataset Structure
### Data Splits
This dataset consists of four splits (folders) based on tasks and datasets included in tasks.
- reg_num: Task identifier for regression on numerical features.
- reg_cat: Task identifier for regression on numerical and categorical features.
- clf_num: Task identifier for classification on numerical features.
- clf_cat: Task identifier for classification on categorical features.
Depending on the dataset you want to load, you can load the dataset by passing `task_name/dataset_name` to `data_files` argument of `load_dataset` like below:
```python
from datasets import load_dataset
dataset = load_dataset("inria-soda/tabular-benchmark", data_files="reg_cat/house_sales.csv")
```
## Dataset Creation
### Curation Rationale
This dataset is curated to benchmark performance of tree based models against neural networks. The process of picking the datasets for curation is mentioned in the paper as below:
- **Heterogeneous columns**. Columns should correspond to features of different nature. This excludes
images or signal datasets where each column corresponds to the same signal on different sensors.
- **Not high dimensional**. We only keep datasets with a d/n ratio below 1/10.
- **Undocumented datasets** We remove datasets where too little information is available. We did keep
datasets with hidden column names if it was clear that the features were heterogeneous.
- **I.I.D. data**. We remove stream-like datasets or time series.
- **Real-world data**. We remove artificial datasets but keep some simulated datasets. The difference is
subtle, but we try to keep simulated datasets if learning these datasets are of practical importance
(like the Higgs dataset), and not just a toy example to test specific model capabilities.
- **Not too small**. We remove datasets with too few features (< 4) and too few samples (< 3 000). For
benchmarks on numerical features only, we remove categorical features before checking if enough
features and samples are remaining.
- **Not too easy**. We remove datasets which are too easy. Specifically, we remove a dataset if a simple model (max of a single tree and a regression, logistic or OLS)
reaches a score whose relative difference with the score of both a default Resnet (from Gorishniy et al. [2021]) and a default HistGradientBoosting model (from scikit learn)
is below 5%. Other benchmarks use different metrics to remove too easy datasets, like removing datasets perfectly separated by a single decision classifier [Bischl et al., 2021],
but this ignores varying Bayes rate across datasets. As tree ensembles are superior to simple trees and logistic regresison [Fernández-Delgado et al., 2014],
a close score for the simple and powerful models suggests that we are already close to the best achievable score.
- **Not deterministic**. We remove datasets where the target is a deterministic function of the data. This
mostly means removing datasets on games like poker and chess. Indeed, we believe that these
datasets are very different from most real-world tabular datasets, and should be studied separately
### Source Data
**Numerical Classification**
|dataset_name|n_samples|n_features|original_link|new_link|
|---|---|---|---|---|
|electricity|38474.0|7.0|https://www.openml.org/d/151|https://www.openml.org/d/44120|
|covertype|566602.0|10.0|https://www.openml.org/d/293|https://www.openml.org/d/44121|
|pol|10082.0|26.0|https://www.openml.org/d/722|https://www.openml.org/d/44122|
|house_16H|13488.0|16.0|https://www.openml.org/d/821|https://www.openml.org/d/44123|
|MagicTelescope|13376.0|10.0|https://www.openml.org/d/1120|https://www.openml.org/d/44125|
|bank-marketing|10578.0|7.0|https://www.openml.org/d/1461|https://www.openml.org/d/44126|
|Bioresponse|3434.0|419.0|https://www.openml.org/d/4134|https://www.openml.org/d/45019|
|MiniBooNE|72998.0|50.0|https://www.openml.org/d/41150|https://www.openml.org/d/44128|
|default-of-credit-card-clients|13272.0|20.0|https://www.openml.org/d/42477|https://www.openml.org/d/45020|
|Higgs|940160.0|24.0|https://www.openml.org/d/42769|https://www.openml.org/d/44129|
|eye_movements|7608.0|20.0|https://www.openml.org/d/1044|https://www.openml.org/d/44130|
|Diabetes130US|71090.0|7.0|https://www.openml.org/d/4541|https://www.openml.org/d/45022|
|jannis|57580.0|54.0|https://www.openml.org/d/41168|https://www.openml.org/d/45021|
|heloc|10000.0|22.0|"https://www.kaggle.com/datasets/averkiyoliabev/home-equity-line-of-creditheloc?select=heloc_dataset_v1+%281%29.csv"|https://www.openml.org/d/45026|
|credit|16714.0|10.0|"https://www.kaggle.com/c/GiveMeSomeCredit/data?select=cs-training.csv"|https://www.openml.org/d/44089|
|california|20634.0|8.0|"https://www.dcc.fc.up.pt/ltorgo/Regression/cal_housing.html"|https://www.openml.org/d/45028|
**Categorical Classification**
|dataset_name|n_samples|n_features|original_link|new_link|
|---|---|---|---|---|
|electricity|38474.0|8.0|https://www.openml.org/d/151|https://www.openml.org/d/44156|
|eye_movements|7608.0|23.0|https://www.openml.org/d/1044|https://www.openml.org/d/44157|
|covertype|423680.0|54.0|https://www.openml.org/d/1596|https://www.openml.org/d/44159|
|albert|58252.0|31.0|https://www.openml.org/d/41147|https://www.openml.org/d/45035|
|compas-two-years|4966.0|11.0|https://www.openml.org/d/42192|https://www.openml.org/d/45039|
|default-of-credit-card-clients|13272.0|21.0|https://www.openml.org/d/42477|https://www.openml.org/d/45036|
|road-safety|111762.0|32.0|https://www.openml.org/d/42803|https://www.openml.org/d/45038|
**Numerical Regression**
|dataset_name|n_samples|n_features|original_link|new_link|
|---|---|---|---|---|
|cpu_act|8192.0|21.0|https://www.openml.org/d/197|https://www.openml.org/d/44132|
|pol|15000.0|26.0|https://www.openml.org/d/201|https://www.openml.org/d/44133|
|elevators|16599.0|16.0|https://www.openml.org/d/216|https://www.openml.org/d/44134|
|wine_quality|6497.0|11.0|https://www.openml.org/d/287|https://www.openml.org/d/44136|
|Ailerons|13750.0|33.0|https://www.openml.org/d/296|https://www.openml.org/d/44137|
|yprop_4_1|8885.0|42.0|https://www.openml.org/d/416|https://www.openml.org/d/45032|
|houses|20640.0|8.0|https://www.openml.org/d/537|https://www.openml.org/d/44138|
|house_16H|22784.0|16.0|https://www.openml.org/d/574|https://www.openml.org/d/44139|
|delays_zurich_transport|5465575.0|9.0|https://www.openml.org/d/40753|https://www.openml.org/d/45034|
|diamonds|53940.0|6.0|https://www.openml.org/d/42225|https://www.openml.org/d/44140|
|Brazilian_houses|10692.0|8.0|https://www.openml.org/d/42688|https://www.openml.org/d/44141|
|Bike_Sharing_Demand|17379.0|6.0|https://www.openml.org/d/42712|https://www.openml.org/d/44142|
|nyc-taxi-green-dec-2016|581835.0|9.0|https://www.openml.org/d/42729|https://www.openml.org/d/44143|
|house_sales|21613.0|15.0|https://www.openml.org/d/42731|https://www.openml.org/d/44144|
|sulfur|10081.0|6.0|https://www.openml.org/d/23515|https://www.openml.org/d/44145|
|medical_charges|163065.0|5.0|https://www.openml.org/d/42720|https://www.openml.org/d/44146|
|MiamiHousing2016|13932.0|14.0|https://www.openml.org/d/43093|https://www.openml.org/d/44147|
|superconduct|21263.0|79.0|https://www.openml.org/d/43174|https://www.openml.org/d/44148|
**Categorical Regression**
|dataset_name|n_samples|n_features|original_link|new_link|
|---|---|---|---|---|
|topo_2_1|8885.0|255.0|https://www.openml.org/d/422|https://www.openml.org/d/45041|
|analcatdata_supreme|4052.0|7.0|https://www.openml.org/d/504|https://www.openml.org/d/44055|
|visualizing_soil|8641.0|4.0|https://www.openml.org/d/688|https://www.openml.org/d/44056|
|delays_zurich_transport|5465575.0|12.0|https://www.openml.org/d/40753|https://www.openml.org/d/45045|
|diamonds|53940.0|9.0|https://www.openml.org/d/42225|https://www.openml.org/d/44059|
|Allstate_Claims_Severity|188318.0|124.0|https://www.openml.org/d/42571|https://www.openml.org/d/45046|
|Mercedes_Benz_Greener_Manufacturing|4209.0|359.0|https://www.openml.org/d/42570|https://www.openml.org/d/44061|
|Brazilian_houses|10692.0|11.0|https://www.openml.org/d/42688|https://www.openml.org/d/44062|
|Bike_Sharing_Demand|17379.0|11.0|https://www.openml.org/d/42712|https://www.openml.org/d/44063|
|Airlines_DepDelay_1M|1000000.0|5.0|https://www.openml.org/d/42721|https://www.openml.org/d/45047|
|nyc-taxi-green-dec-2016|581835.0|16.0|https://www.openml.org/d/42729|https://www.openml.org/d/44065|
|abalone|4177.0|8.0|https://www.openml.org/d/42726|https://www.openml.org/d/45042|
|house_sales|21613.0|17.0|https://www.openml.org/d/42731|https://www.openml.org/d/44066|
|seattlecrime6|52031.0|4.0|https://www.openml.org/d/42496|https://www.openml.org/d/45043|
|medical_charges|163065.0|5.0|https://www.openml.org/d/42720|https://www.openml.org/d/45048|
|particulate-matter-ukair-2017|394299.0|6.0|https://www.openml.org/d/42207|https://www.openml.org/d/44068|
|SGEMM_GPU_kernel_performance|241600.0|9.0|https://www.openml.org/d/43144|https://www.openml.org/d/44069|
### Dataset Curators
Léo Grinsztajn, Edouard Oyallon, Gaël Varoquaux.
### Licensing Information
[More Information Needed]
### Citation Information
Léo Grinsztajn, Edouard Oyallon, Gaël Varoquaux. Why do tree-based models still outperform deep
learning on typical tabular data?. NeurIPS 2022 Datasets and Benchmarks Track, Nov 2022, New
Orleans, United States. ffhal-03723551v2f
| [
-0.7161355018615723,
-0.7459227442741394,
0.37010693550109863,
0.12378836423158646,
-0.09184505045413971,
-0.11244840919971466,
-0.15712511539459229,
-0.4005162715911865,
0.25057223439216614,
0.4272514581680298,
-0.22500450909137726,
-0.9872738718986511,
-0.44923511147499084,
0.10095201432... | null | null | null | null | null | null | null | null | null | null | null | null | null | |
Binaryy/cream_listings | Binaryy | 2023-11-23T11:04:41Z | 15 | 0 | null | [
"region:us"
] | 2023-11-23T11:04:41Z | 2023-09-28T10:07:01.000Z | 2023-09-28T10:07:01 | ---
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
dataset_info:
features:
- name: _id
dtype: string
- name: title
dtype: string
- name: location
dtype: string
- name: features
sequence: string
- name: description
dtype: string
- name: images
sequence: string
- name: videos
sequence: string
- name: available
dtype: bool
- name: price
dtype: float64
- name: attachedDocument
sequence: 'null'
- name: year
dtype: int64
- name: carCondition
dtype: string
- name: engineType
dtype: string
- name: colour
dtype: string
- name: model
dtype: string
- name: noOfBed
dtype: float64
- name: noOfBathroom
dtype: float64
- name: locationISO
dtype: string
- name: forRent
dtype: bool
- name: views
sequence: string
- name: thoseWhoSaved
sequence: string
- name: createdAt
dtype: string
- name: updatedAt
dtype: string
- name: __v
dtype: int64
- name: category._id
dtype: string
- name: category.title
dtype: string
- name: category.slug
dtype: string
- name: category.isAdminAllowed
dtype: string
- name: category.createdAt
dtype: string
- name: category.updatedAt
dtype: string
- name: category.__v
dtype: int64
- name: postedBy.pageViews.value
dtype: int64
- name: postedBy.pageViews.users
sequence: 'null'
- name: postedBy.totalSaved.value
dtype: int64
- name: postedBy.totalSaved.users
sequence: string
- name: postedBy._id
dtype: string
- name: postedBy.firstName
dtype: string
- name: postedBy.lastName
dtype: string
- name: postedBy.about
dtype: string
- name: postedBy.cover
dtype: string
- name: postedBy.email
dtype: string
- name: postedBy.password
dtype: string
- name: postedBy.isAdmin
dtype: bool
- name: postedBy.savedListing
sequence: string
- name: postedBy.isVerified
dtype: bool
- name: postedBy.verifiedProfilePicture
dtype: float64
- name: postedBy.profilePicture
dtype: string
- name: postedBy.pronoun
dtype: float64
- name: postedBy.userType
dtype: int64
- name: postedBy.accountType
dtype: int64
- name: postedBy.subscribed
dtype: bool
- name: postedBy.noOfSubscription
dtype: int64
- name: postedBy.totalListing
dtype: int64
- name: postedBy.sellerType
dtype: int64
- name: postedBy.createdAt
dtype: string
- name: postedBy.updatedAt
dtype: string
- name: postedBy.__v
dtype: int64
- name: postedBy.address
dtype: string
- name: postedBy.city
dtype: string
- name: postedBy.country
dtype: string
- name: postedBy.gender
dtype: string
- name: postedBy.nationality
dtype: string
- name: postedBy.verificationType
dtype: float64
- name: postedBy.dob
dtype: string
- name: postedBy.locationISO
dtype: string
- name: postedBy.state
dtype: string
- name: postedBy.zipCode
dtype: float64
- name: postedBy.otherNames
dtype: string
- name: postedBy.facebookUrl
dtype: string
- name: postedBy.instagramUrl
dtype: string
- name: postedBy.phoneNumber1
dtype: string
- name: postedBy.phoneNumber2
dtype: string
- name: postedBy.websiteUrl
dtype: string
- name: postedBy.accountName
dtype: string
- name: postedBy.accountNo
dtype: string
- name: postedBy.bankName
dtype: string
- name: postedBy.verificationId
dtype: float64
- name: string_features
dtype: string
- name: complete_description
dtype: string
splits:
- name: train
num_bytes: 1121870
num_examples: 301
download_size: 404441
dataset_size: 1121870
---
# Dataset Card for "cream_listings"
[More Information needed](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards) | [
-0.3901159465312958,
-0.44957679510116577,
0.1242547333240509,
-0.03089054860174656,
-0.11657125502824783,
-0.00545910419896245,
0.1433119922876358,
-0.25511738657951355,
1.0964394807815552,
0.9841875433921814,
-0.6858453154563904,
-0.9953507781028748,
-0.48676979541778564,
-0.367572575807... | null | null | null | null | null | null | null | null | null | null | null | null | null | |
Harsha9044/TAM-MSA | Harsha9044 | 2023-10-03T08:24:38Z | 15 | 0 | null | [
"license:apache-2.0",
"region:us"
] | 2023-10-03T08:24:38Z | 2023-10-03T08:22:00.000Z | 2023-10-03T08:22:00 | ---
license: apache-2.0
dataset_info:
features:
- name: File name
dtype: string
- name: Transcript
dtype: string
- name: Labels
dtype: string
- name: __index_level_0__
dtype: int64
splits:
- name: train
num_bytes: 283807
num_examples: 64
download_size: 120689
dataset_size: 283807
---
| [
-0.1285335123538971,
-0.1861683875322342,
0.6529128551483154,
0.49436232447624207,
-0.19319400191307068,
0.23607441782951355,
0.36072009801864624,
0.05056373029947281,
0.5793656706809998,
0.7400146722793579,
-0.650810182094574,
-0.23784008622169495,
-0.7102247476577759,
-0.0478255338966846... | null | null | null | null | null | null | null | null | null | null | null | null | null | |
Dakhoo/L2T-NeurIPS-2023 | Dakhoo | 2023-11-09T08:24:19Z | 15 | 0 | null | [
"arxiv:2308.16900",
"region:us"
] | 2023-11-09T08:24:19Z | 2023-10-04T07:40:06.000Z | 2023-10-04T07:40:06 | # Dataset Card for WineSensed
## Table of Contents
- [Table of Contents](#table-of-contents)
- [Dataset Description](#dataset-description)
- [Dataset Summary](#dataset-summary)
- [Languages](#languages)
- [Dataset Structure](#dataset-structure)
- [Data Fields](#data-fields)
- [Additional Information](#additional-information)
- [Licensing Information](#licensing-information)
- [Citation Information](#citation-information)
## Dataset Description
- **Homepage:** [WineSensed Dataset](https://https://thoranna.github.io/learning_to_taste/)
- **Repository:**
- **Paper:** [Paper](https://arxiv.org/pdf/2308.16900.pdf)
### Dataset Summary
The dataset encompasses 897k images of wine labels and 824k reviews of wines
curated from the Vivino platform. It has over 350k unique vintages, annotated
with year, region, rating, alcohol percentage, price, and grape composition.
We obtained fine-grained flavor annotations on a subset by conducting a wine-tasting experiment
with 256 participants who were asked to rank wines based on their similarity in flavor,
resulting in more than 5k pairwise flavor distances.
## Hugging Face Datasets
use the following command to load the dataset in Hugging Face Datasets library:
```python
dataset = load_dataset('Dakhoo/L2T-NeurIPS-2023', 'vintages')
dataset = load_dataset('Dakhoo/L2T-NeurIPS-2023', 'napping_participants')
dataset = load_dataset('Dakhoo/L2T-NeurIPS-2023', 'wt_session')
dataset = load_dataset('Dakhoo/L2T-NeurIPS-2023', 'small')
dataset = load_dataset('Dakhoo/L2T-NeurIPS-2023', 'all')
```
## Dataset Structure
### Data Fields
The dataset contains the file metadata.zip, consisting of the files participants.csv, which contains information connecting participants to annotations in the experiment, images_reviews_attributes.csv, which contains reviews, links to images, and wine attributes, and napping.csv, which contains the coordinates of each wine on the napping paper alongside information connecting each coordinate pair to the wine being annotated and the participant who annotated it. The chunk_<chunk num>.zip folders contain the images of the wines in the dataset in .jpg format.
#### napping.csv contains the following fields:
- session_round_name: session number during the event_name, at most three sessions per event (maps to experiment_round in participants.csv)
- event_name: name of the data collection event (maps to the same attribute in participants.csv)
- experiment_no: which number the napping paper was in the list of papers returned for this session_round_name (maps to experiment_no in participants.csv)
- experiment_id: id the wine being annotated was given in the experiment
- coor1: x-axis coordinate on the napping paper
- coor2: y-axis coordinate on the napping paper
- color: color of the sticker used
#### participants.csv contains the following fields:
- session_round_name: session number during the event_name, at most three sessions per event (maps to experiment_round in napping.csv)
- event_name: name of data-collection event (maps to event_name in napping.csv)
- experiment_no: which number the napping paper was in the list of papers returned for this session_round_name (maps to experiment_no in napping.csv)
- round_id: round number (from 1-3)
- participant_id: id the participant was given in the experiment
#### images_reviews_attributes.csv contains the following fields:
- vintage_id: vintage id of the wine
- image: image link (each .jpg in chunk_<chunk num>.zip can be mapped to a corresponding image link in this column by removing the /p prefix from the link).
- review: user review of the wine
- experiment_id: id the wine got during data collection (each experiment_id can be mapped to the same column in napping.csv)
- year: year the wine was produced
- winery_id: id of the winery that produced the wine
- wine: name of the wine
- alcohol: the wine's alcohol percentage
- country: the country where the wine was produced
- region: the region where the wine was produced
- price: price of the wine in USD (collected 05/2023)
- rating: average rating of the wine (collected 05/2023)
- grape: the wine's grape composition, represented as a comma-separated list ordered in descending sequence of the percentage contribution of each grape variety to the overall blend.
## Dataset Creation
Follow the instructions in this [link](https://thoranna.github.io/learning_to_taste/) to create the dataset.
## Additional Information
### Licensing Information
LICENSE AGREEMENT
=================
- WineSensed by Thoranna Bender, Simon Søresen, Alireza Kashani, Kristjan Eldjarn, Grethe Hyldig,
Søren Hauberg, Serge Belongie, Frederik Warburg is licensed under a CC BY-NC-ND 4.0 Licence
### Citation Information
```
@article{bender2023learning,
title={Learning to Taste: A Multimodal Wine Dataset},
author={Bender, Thoranna and S{\o}rensen, Simon M{\o}e and Kashani, Alireza and Hjorleifsson, K Eldjarn and Hyldig, Grethe and Hauberg, S{\o}ren and Belongie, Serge and Warburg, Frederik},
journal={arXiv preprint arXiv:2308.16900},
year={2023}
```
| [
-0.23784664273262024,
-0.5802677273750305,
0.2540356516838074,
0.3950538635253906,
-0.24185729026794434,
-0.30692458152770996,
-0.2938024401664734,
-0.34201303124427795,
0.44725021719932556,
0.34484753012657166,
-0.5334613919258118,
-0.8295965194702148,
-0.43630778789520264,
-0.07456617802... | null | null | null | null | null | null | null | null | null | null | null | null | null | |
Ayansk11/llama2_legal | Ayansk11 | 2023-10-08T17:52:41Z | 15 | 1 | null | [
"region:us"
] | 2023-10-08T17:52:41Z | 2023-10-08T17:51:33.000Z | 2023-10-08T17:51:33 | Entry not found | [
-0.32276472449302673,
-0.22568407654762268,
0.8622258901596069,
0.4346148371696472,
-0.5282984972000122,
0.7012965679168701,
0.7915717363357544,
0.07618629932403564,
0.7746022939682007,
0.2563222646713257,
-0.785281777381897,
-0.22573848068714142,
-0.9104482531547546,
0.5715669393539429,
... | null | null | null | null | null | null | null | null | null | null | null | null | null | |
FinGPT/fingpt-finred-re | FinGPT | 2023-10-10T06:40:16Z | 15 | 0 | null | [
"region:us"
] | 2023-10-10T06:40:16Z | 2023-10-10T06:36:53.000Z | 2023-10-10T06:36:53 | ---
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: test
path: data/test-*
dataset_info:
features:
- name: input
dtype: string
- name: output
dtype: string
- name: instruction
dtype: string
splits:
- name: train
num_bytes: 11144078
num_examples: 11400
- name: test
num_bytes: 2076314
num_examples: 2136
download_size: 1290513
dataset_size: 13220392
---
# Dataset Card for "fingpt-finred-re"
[More Information needed](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards) | [
-0.6538721919059753,
-0.3601030111312866,
0.10505355149507523,
0.12161511927843094,
-0.3973098397254944,
0.1339348703622818,
0.272037535905838,
-0.15817467868328094,
0.9386687278747559,
0.6642281413078308,
-0.9463390707969666,
-0.7039535641670227,
-0.5156925320625305,
-0.15271955728530884,... | null | null | null | null | null | null | null | null | null | null | null | null | null | |
FinGPT/fingpt-headline-cls | FinGPT | 2023-10-10T06:47:59Z | 15 | 1 | null | [
"region:us"
] | 2023-10-10T06:47:59Z | 2023-10-10T06:39:19.000Z | 2023-10-10T06:39:19 | ---
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: test
path: data/test-*
dataset_info:
features:
- name: input
dtype: string
- name: output
dtype: string
- name: instruction
dtype: string
splits:
- name: train
num_bytes: 12571278
num_examples: 82161
- name: test
num_bytes: 3147768
num_examples: 20547
download_size: 986960
dataset_size: 15719046
---
# Dataset Card for "fingpt-headline-cls"
[More Information needed](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards) | [
-0.7304911613464355,
-0.22414995729923248,
0.2723248302936554,
0.285572350025177,
-0.4385644197463989,
-0.11643082648515701,
0.01321970485150814,
-0.11682119965553284,
0.7006478905677795,
0.6280614137649536,
-0.8154049515724182,
-0.8352868556976318,
-0.648024320602417,
-0.3144494295120239,... | null | null | null | null | null | null | null | null | null | null | null | null | null | |
FinGPT/fingpt-ner-cls | FinGPT | 2023-10-10T06:42:34Z | 15 | 0 | null | [
"region:us"
] | 2023-10-10T06:42:34Z | 2023-10-10T06:39:45.000Z | 2023-10-10T06:39:45 | ---
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: test
path: data/test-*
dataset_info:
features:
- name: input
dtype: string
- name: output
dtype: string
- name: instruction
dtype: string
splits:
- name: train
num_bytes: 5730497
num_examples: 13549
- name: test
num_bytes: 2112011
num_examples: 3502
download_size: 298810
dataset_size: 7842508
---
# Dataset Card for "fingpt-ner-cls"
[More Information needed](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards) | [
-0.8719078898429871,
-0.2593449652194977,
0.11114940047264099,
0.06450305134057999,
-0.4064672589302063,
-0.0984504297375679,
0.11439300328493118,
-0.12900543212890625,
0.79231858253479,
0.5405081510543823,
-0.8536121249198914,
-0.7789652347564697,
-0.6183950304985046,
-0.14875707030296326... | null | null | null | null | null | null | null | null | null | null | null | null | null | |
FinGPT/fingpt-finred-cls | FinGPT | 2023-10-10T06:41:54Z | 15 | 0 | null | [
"region:us"
] | 2023-10-10T06:41:54Z | 2023-10-10T06:41:40.000Z | 2023-10-10T06:41:40 | ---
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: test
path: data/test-*
dataset_info:
features:
- name: input
dtype: string
- name: output
dtype: string
- name: instruction
dtype: string
splits:
- name: train
num_bytes: 23991756
num_examples: 48474
- name: test
num_bytes: 3899700
num_examples: 8928
download_size: 2897823
dataset_size: 27891456
---
# Dataset Card for "fingpt-finred-cls"
[More Information needed](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards) | [
-0.8174746036529541,
-0.20016786456108093,
0.16090832650661469,
0.13119769096374512,
-0.43731480836868286,
0.0051785362884402275,
0.07668281346559525,
-0.1368100494146347,
0.718070387840271,
0.5662233829498291,
-0.8740206360816956,
-0.8259161710739136,
-0.5701826810836792,
-0.2165384888648... | null | null | null | null | null | null | null | null | null | null | null | null | null | |
Abira1/finance-alpaca-v2 | Abira1 | 2023-10-10T17:43:58Z | 15 | 0 | null | [
"region:us"
] | 2023-10-10T17:43:58Z | 2023-10-10T17:42:26.000Z | 2023-10-10T17:42:26 | Entry not found | [
-0.32276472449302673,
-0.22568407654762268,
0.8622258901596069,
0.4346148371696472,
-0.5282984972000122,
0.7012965679168701,
0.7915717363357544,
0.07618629932403564,
0.7746022939682007,
0.2563222646713257,
-0.785281777381897,
-0.22573848068714142,
-0.9104482531547546,
0.5715669393539429,
... | null | null | null | null | null | null | null | null | null | null | null | null | null | |
Surajsangwan90/public_transport_NZ_latest | Surajsangwan90 | 2023-10-30T01:27:49Z | 15 | 0 | null | [
"region:us"
] | 2023-10-30T01:27:49Z | 2023-10-18T00:24:10.000Z | 2023-10-18T00:24:10 | Entry not found | [
-0.32276472449302673,
-0.22568407654762268,
0.8622258901596069,
0.4346148371696472,
-0.5282984972000122,
0.7012965679168701,
0.7915717363357544,
0.07618629932403564,
0.7746022939682007,
0.2563222646713257,
-0.785281777381897,
-0.22573848068714142,
-0.9104482531547546,
0.5715669393539429,
... | null | null | null | null | null | null | null | null | null | null | null | null | null | |
fiveflow/passage_report | fiveflow | 2023-10-26T13:24:32Z | 15 | 0 | null | [
"region:us"
] | 2023-10-26T13:24:32Z | 2023-10-19T03:25:30.000Z | 2023-10-19T03:25:30 | ---
dataset_info:
features:
- name: text
dtype: string
splits:
- name: train
num_bytes: 9522212
num_examples: 1190
download_size: 4789024
dataset_size: 9522212
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---
# Dataset Card for "passage_report"
[More Information needed](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards) | [
-0.3100404739379883,
-0.31105759739875793,
0.5754391551017761,
0.37101060152053833,
-0.225936159491539,
-0.06870369613170624,
0.4586372375488281,
-0.2474566400051117,
0.683696985244751,
0.792759120464325,
-0.8086326122283936,
-0.9125267267227173,
-0.6362127065658569,
-0.23482351005077362,
... | null | null | null | null | null | null | null | null | null | null | null | null | null | |
chashaotm/impressionist_paintings | chashaotm | 2023-10-21T16:36:42Z | 15 | 0 | null | [
"region:us"
] | 2023-10-21T16:36:42Z | 2023-10-21T16:30:22.000Z | 2023-10-21T16:30:22 | ---
dataset_info:
features:
- name: image
dtype: image
splits:
- name: train
num_bytes: 963894728.236
num_examples: 2018
download_size: 972521426
dataset_size: 963894728.236
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---
# Dataset Card for "impressionist_paintings"
[More Information needed](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards) | [
-0.6401664614677429,
-0.21041780710220337,
0.418602854013443,
0.3060503304004669,
-0.22875405848026276,
0.0064325472339987755,
0.1804625391960144,
-0.4375404119491577,
1.0144824981689453,
0.7932220101356506,
-0.7045329213142395,
-0.6994400024414062,
-0.5604013204574585,
-0.4316890835762024... | null | null | null | null | null | null | null | null | null | null | null | null | null | |
godoyj/cstnews-pt | godoyj | 2023-10-22T23:57:29Z | 15 | 0 | null | [
"region:us"
] | 2023-10-22T23:57:29Z | 2023-10-22T21:05:46.000Z | 2023-10-22T21:05:46 | Entry not found | [
-0.3227645754814148,
-0.22568479180335999,
0.8622264862060547,
0.43461528420448303,
-0.52829909324646,
0.7012971639633179,
0.7915720343589783,
0.07618614286184311,
0.774603009223938,
0.2563217282295227,
-0.7852813005447388,
-0.22573819756507874,
-0.9104477167129517,
0.5715674161911011,
-... | null | null | null | null | null | null | null | null | null | null | null | null | null | |
ai2lumos/lumos_complex_qa_plan_iterative | ai2lumos | 2023-10-23T22:35:57Z | 15 | 0 | null | [
"task_categories:conversational",
"task_categories:text-generation",
"task_categories:question-answering",
"size_categories:10K<n<100K",
"language:en",
"license:apache-2.0",
"language-agent",
"reasoning",
"question-answering",
"planning",
"region:us"
] | 2023-10-23T22:35:57Z | 2023-10-23T05:35:41.000Z | 2023-10-23T05:35:41 | ---
license: apache-2.0
task_categories:
- conversational
- text-generation
- question-answering
language:
- en
tags:
- language-agent
- reasoning
- question-answering
- planning
size_categories:
- 10K<n<100K
---
# 🪄 Lumos: Language Agents with Unified Formats, Modular Design, and Open-Source LLMs
<p align="center">
🌐<a href="https://allenai.github.io/lumos">[Website]</a>
📝<a href="">[Paper]</a>
🤗<a href="https://huggingface.co/datasets?sort=trending&search=ai2lumos">[Data]</a>
🤗<a href="https://huggingface.co/models?sort=trending&search=ai2lumos">[Model]</a>
</p>
We introduce 🪄**Lumos**, Language Agents with **Unified** Formats, **Modular** Design, and **Open-Source** LLMs. **Lumos** unifies a suite of complex interactive tasks and achieves competitive performance with GPT-4/3.5-based and larger open-source agents.
**Lumos** has following features:
* 🧩 **Modular Architecture**:
- **Lumos** consists of planning, grounding, and execution modules built based on LLAMA-2-7B.
* 🌍 **Diverse Training Data**:
- **Lumos** is trained with ~40K high-quality annotations from ground-truth reasoning steps in existing benchmarks with GPT-4.
* 🚀 **Competitive Performance**:
- 🚀 **Lumos** outperforms **GPT-4/3.5-based** agents on complex QA and web agent tasks, and **larger open agents** on maths tasks.
- 🚀 **Lumos** performs better than open agent baseline formulations including **chain-of-thoughts** and **unmodularized** training.
- 🚀 **Lumos** surpasses larger open LLM agents and domain-specific agents on an unseen task, WebShop.
## Data Overview
`lumos_complex_qa_plan_iterative` is the data for training **planning** module on **complex QA** task in **Lumos-Iterative (Lumos-I)** formulation.
The source of the training annotation training data is shown below:
| Datasets | Number |
|---|---|
|StrategyQA|1777|
|Musique|17632|
## Models Trained with the Data
`lumos_complex_qa_plan_iterative` is used to train the following models.
|Model|Huggingface Repo|
|---|---|
|`lumos_complex_qa_plan_iterative`| [🤗Huggingface Repo](https://huggingface.co/ai2lumos/lumos_complex_qa_plan_iterative) |
|`lumos_unified_plan_iterative`| [🤗Huggingface Repo](https://huggingface.co/ai2lumos/lumos_unified_plan_iterative) |
## Citation
If you find this work is relevant with your research, please feel free to cite our work!
```
@article{yin2023lumos,
title={Lumos: Towards Language Agents that are Unified, Modular, and Open Source},
author={Yin, Da and Brahman, Faeze and Ravichander, Abhilasha and Chandu, Khyathi and Chang, Kai-Wei and Choi, Yejin and Lin, Bill Yuchen},
year={2023}
}
``` | [
-0.07298697531223297,
-0.48558247089385986,
0.41201743483543396,
0.30599021911621094,
-0.2052537053823471,
0.06597259640693665,
-0.4022772014141083,
-0.5800332427024841,
0.42834532260894775,
0.41325756907463074,
-0.5646988153457642,
-0.5501192212104797,
-0.27571892738342285,
-0.07031279057... | null | null | null | null | null | null | null | null | null | null | null | null | null | |
shermansiu/sgd_dst | shermansiu | 2023-10-24T22:52:03Z | 15 | 0 | null | [
"language:en",
"license:cc-by-sa-4.0",
"natural-language-processing",
"dialogue-state-tracking",
"region:us"
] | 2023-10-24T22:52:03Z | 2023-10-24T18:04:56.000Z | 2023-10-24T18:04:56 | ---
license: cc-by-sa-4.0
tags:
- natural-language-processing
- dialogue-state-tracking
language:
- en
pretty_name: Schema-Guided Dialogue dataset - Dialogue State Tracking
configs:
- config_name: sgd-sdt
data_files:
- split: train
path: "sdt/sgd_sdt_v0_train.tsv"
- split: dev
path: "sdt/sgd_sdt_v0_dev.tsv"
- split: test
path: "sdt/sgd_sdt_v0_test.tsv"
- config_name: sgd-d3st
data_files:
- split: train
path: "d3st/sgd_d3st_v0_train.tsv"
- split: dev
path: "d3st/sgd_d3st_v0_dev.tsv"
- split: test
path: "d3st/sgd_d3st_v0_test.tsv"
dataset_info:
- config_name: sgd-sdt
features:
- name: prompt
dtype: string
- name: target
dtype: string
- name: dialogue_id
dtype: string
- name: turn_id
dtype: string
- name: frame_id
dtype: string
splits:
- name: train
num_bytes: 269690581
num_examples: 175780
- name: dev
num_bytes: 38376392
num_examples: 26077
- name: test
num_bytes: 72134551
num_examples: 46116
- config_name: sgd-d3st
features:
- name: prompt
dtype: string
- name: target
dtype: string
- name: dialogue_id
dtype: string
- name: turn_id
dtype: string
- name: frame_id
dtype: string
splits:
- name: train
num_bytes: 226090375
num_examples: 175780
- name: dev
num_bytes: 32170435
num_examples: 26077
- name: test
num_bytes: 59997238
num_examples: 46116
---
Schema-Guided Dialogue dataset - Dialogue State Tracking
- Description-Driven Dialogue State Tracking (D3ST)
- Show, Don't Tell (SDT)
| [
-0.1605531871318817,
-0.5452463626861572,
0.9040564298629761,
0.21080900728702545,
-0.3469586670398712,
0.1589633822441101,
0.3287608027458191,
0.2766405940055847,
0.44813981652259827,
0.9697682857513428,
-1.1239027976989746,
-0.686198353767395,
-0.388339638710022,
-0.04121983051300049,
... | null | null | null | null | null | null | null | null | null | null | null | null | null | |
Heralax/Augmental-Dataset | Heralax | 2023-10-24T23:34:11Z | 15 | 4 | null | [
"license:unknown",
"region:us"
] | 2023-10-24T23:34:11Z | 2023-10-24T21:11:30.000Z | 2023-10-24T21:11:30 | ---
license: unknown
---
# A High-Quality AI Augmented Dataset for RP and conversation
This dataset is comprised of lines from the Visual Novel Steins;Gate, which have been filtered, reformatted, AI-rewritten (many of them twice), and in a few cases, manually quality checked.
The flagship model of this dataset (a finetune on top of MythoMax) can be found [here](https://huggingface.co/Heralax/Augmental-13b)!
It contains a large number of RP-focused, multiturn conversational training examples, from the perspectives of multiple characters.
The "Scenario" column (AI-generated) describes the context behind the conversation in which a line takes place.
The "Completion" column (human-written, AI-enhanced), is the content of the line in that row
The "Speaker" column contains the name of the speaker of that line, and is one of ["Okabe", "Kurisu","Faris", "Luka","Itaru","Suzuha","Mayuri"]
The "History" column contains the lines that come before the completion, in a given conversation. There will always be at least one.
See the repo with the training code here https://github.com/e-p-armstrong/amadeus (train.py and make_card_evanchat.py) for an example of how these might be formatted for training.
# IMPORTANT NOTE
I'll be honest: I don't know where this dataset sits legally. On one hand, the source text was substantially revised over the course of costly weeks of experimentation; the source is not included in its entirety; and the source has been used by other AI creators before with the knowledge of the publisher of the source materia. Finally there's good precedent for using copyrighted work in AI training (CommonCrawl contains plenty of copyrighted work, for instance. Big companies use copyrighted data all the time).
On the other hand, this dataset is entirely composed of text that was generated using copyrighted text as an input.
This all being considered, I've left the license field of the model BLANK and will take the dataset down without any questions asked if the legal holders of the copyright ask me to do so. I hope they don't ask me to do so, because this is a project I'm really proud of, and I think it could be useful to the open source AI RP community. If someone from MAGES is reading this, then I ask them, as someone who's bought nearly every SciAdv game from C;H to A;C, please don't kill it. Thank you.
| [
-0.3673352301120758,
-0.5153899192810059,
0.21746034920215607,
0.23749540746212006,
-0.011149397119879723,
-0.30024683475494385,
-0.29427680373191833,
-0.6320646405220032,
0.23193028569221497,
0.8669144511222839,
-0.5922186374664307,
-0.5118305087089539,
-0.4238000810146332,
0.121863059699... | null | null | null | null | null | null | null | null | null | null | null | null | null | |
Alamerton/50-perez-prompts | Alamerton | 2023-10-25T15:32:26Z | 15 | 0 | null | [
"region:us"
] | 2023-10-25T15:32:26Z | 2023-10-25T15:30:50.000Z | 2023-10-25T15:30:50 | Entry not found | [
-0.32276487350463867,
-0.22568444907665253,
0.8622263073921204,
0.43461570143699646,
-0.5282988548278809,
0.7012969255447388,
0.7915717363357544,
0.07618642598390579,
0.7746027112007141,
0.25632190704345703,
-0.7852815389633179,
-0.22573848068714142,
-0.910447895526886,
0.5715675354003906,... | null | null | null | null | null | null | null | null | null | null | null | null | null | |
CJWeiss/eurlexsum | CJWeiss | 2023-10-26T20:46:54Z | 15 | 0 | null | [
"region:us"
] | 2023-10-26T20:46:54Z | 2023-10-26T20:46:45.000Z | 2023-10-26T20:46:45 | ---
dataset_info:
features:
- name: celex_id
dtype: string
- name: reference
dtype: string
- name: summary
dtype: string
splits:
- name: train
num_bytes: 109972638
num_examples: 1128
- name: test
num_bytes: 18741974
num_examples: 225
- name: valid
num_bytes: 12084163
num_examples: 151
download_size: 56318842
dataset_size: 140798775
---
# Dataset Card for "eurlexsum"
[More Information needed](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards) | [
-0.5031961798667908,
-0.09712361544370651,
0.17266413569450378,
0.15234042704105377,
-0.11496522277593613,
0.09886785596609116,
0.34733837842941284,
-0.1987328678369522,
0.9804043769836426,
0.6119036674499512,
-0.738401472568512,
-0.8255648016929626,
-0.4993266761302948,
-0.159656628966331... | null | null | null | null | null | null | null | null | null | null | null | null | null | |
Morevorot/Dog_breed_Japanese_Spitz | Morevorot | 2023-10-30T15:49:24Z | 15 | 0 | null | [
"size_categories:1K<n<10K",
"license:cc-by-sa-4.0",
"region:us"
] | 2023-10-30T15:49:24Z | 2023-10-27T14:23:53.000Z | 2023-10-27T14:23:53 | ---
license: cc-by-sa-4.0
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
dataset_info:
features:
- name: image
dtype: image
splits:
- name: train
num_bytes: 4336374796.1
num_examples: 3497
download_size: 3682840051
dataset_size: 4336374796.1
size_categories:
- 1K<n<10K
---
Japanese Spitz, resolution above 256x256, no 1 to 1 copies (but there are processed versions of one photo), serial names.
mistaken breed at 632, 639, 640, 644, 1003, 1810, 2000 numbers | [
-0.526195228099823,
0.15319448709487915,
0.362246036529541,
0.7414536476135254,
-0.5416035652160645,
-0.11783909052610397,
0.4645552337169647,
-0.5383686423301697,
0.9162997007369995,
0.652664840221405,
-0.8886681199073792,
0.09075289219617844,
-0.6368536353111267,
0.3376319408416748,
-0... | null | null | null | null | null | null | null | null | null | null | null | null | null | |
felipeoes/filtered_qa_blue_amazon_legislation_v2_19k | felipeoes | 2023-10-28T00:50:40Z | 15 | 0 | null | [
"region:us"
] | 2023-10-28T00:50:40Z | 2023-10-28T00:50:39.000Z | 2023-10-28T00:50:39 | ---
dataset_info:
features:
- name: file_name
dtype: string
- name: prompt
dtype: string
- name: question
dtype: string
- name: answer
dtype: string
- name: text
dtype: string
splits:
- name: train
num_bytes: 157786543
num_examples: 19302
download_size: 14666842
dataset_size: 157786543
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---
# Dataset Card for "filtered_qa_blue_amazon_legislation_v2_19k"
[More Information needed](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards) | [
-0.33556652069091797,
-0.21494171023368835,
0.2520321309566498,
0.3329419791698456,
-0.7174837589263916,
-0.08017987757921219,
0.5818021297454834,
-0.31284138560295105,
0.5570824146270752,
1.0224604606628418,
-0.8303518891334534,
-0.7335920333862305,
-0.28292587399482727,
-0.34412622451782... | null | null | null | null | null | null | null | null | null | null | null | null | null | |
li-ping/test_1028_v1 | li-ping | 2023-10-28T09:25:27Z | 15 | 0 | null | [
"region:us"
] | 2023-10-28T09:25:27Z | 2023-10-28T06:33:46.000Z | 2023-10-28T06:33:46 | ---
dataset_info:
features:
- name: set
struct:
- name: neg
sequence: string
- name: pos
sequence: string
- name: query
dtype: string
splits:
- name: train
num_bytes: 2593205
num_examples: 1848
download_size: 120725
dataset_size: 2593205
---
# Dataset Card for "test_1028_v1"
[More Information needed](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards) | [
-0.6551347374916077,
-0.32440245151519775,
0.10008198022842407,
0.2659129500389099,
-0.21358393132686615,
-0.2979812026023865,
0.40419134497642517,
-0.02025550603866577,
0.9897603988647461,
0.4252476692199707,
-0.8601455688476562,
-0.5186886191368103,
-0.3918609619140625,
-0.12626191973686... | null | null | null | null | null | null | null | null | null | null | null | null | null | |
berkouille/mistral_baize_golf | berkouille | 2023-10-28T22:04:22Z | 15 | 0 | null | [
"region:us"
] | 2023-10-28T22:04:22Z | 2023-10-28T22:03:56.000Z | 2023-10-28T22:03:56 | Entry not found | [
-0.32276472449302673,
-0.22568407654762268,
0.8622258901596069,
0.4346148371696472,
-0.5282984972000122,
0.7012965679168701,
0.7915717363357544,
0.07618629932403564,
0.7746022939682007,
0.2563222646713257,
-0.785281777381897,
-0.22573848068714142,
-0.9104482531547546,
0.5715669393539429,
... | null | null | null | null | null | null | null | null | null | null | null | null | null | |
Otter-AI/ScienceQA | Otter-AI | 2023-10-30T17:01:43Z | 15 | 0 | null | [
"license:apache-2.0",
"region:us"
] | 2023-10-30T17:01:43Z | 2023-10-30T11:58:30.000Z | 2023-10-30T11:58:30 | ---
license: apache-2.0
---
| [
-0.12853392958641052,
-0.18616779148578644,
0.6529127955436707,
0.49436280131340027,
-0.19319361448287964,
0.23607419431209564,
0.36072003841400146,
0.050563063472509384,
0.579365611076355,
0.7400140762329102,
-0.6508104205131531,
-0.23783954977989197,
-0.7102249264717102,
-0.0478260256350... | null | null | null | null | null | null | null | null | null | null | null | null | null | |
grafanalabs/promql-test-data | grafanalabs | 2023-11-16T14:46:00Z | 15 | 0 | null | [
"region:us"
] | 2023-11-16T14:46:00Z | 2023-10-30T15:57:28.000Z | 2023-10-30T15:57:28 | Entry not found | [
-0.32276472449302673,
-0.22568407654762268,
0.8622258901596069,
0.4346148371696472,
-0.5282984972000122,
0.7012965679168701,
0.7915717363357544,
0.07618629932403564,
0.7746022939682007,
0.2563222646713257,
-0.785281777381897,
-0.22573848068714142,
-0.9104482531547546,
0.5715669393539429,
... | null | null | null | null | null | null | null | null | null | null | null | null | null | |
SeyedAli/Persian-Image-Captioning | SeyedAli | 2023-10-31T07:44:13Z | 15 | 1 | null | [
"region:us"
] | 2023-10-31T07:44:13Z | 2023-10-31T07:24:07.000Z | 2023-10-31T07:24:07 | ---
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: test
path: data/test-*
dataset_info:
features:
- name: image
dtype: image
- name: caption
dtype: string
splits:
- name: train
num_bytes: 3004589821.346736
num_examples: 25923
- name: test
num_bytes: 760335821.3452641
num_examples: 6481
download_size: 3781052840
dataset_size: 3764925642.692
---
# Dataset Card for "Persian-Image-Captioning"
[More Information needed](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards) | [
-0.5935373902320862,
-0.17648831009864807,
0.2556496262550354,
0.4095613956451416,
-0.4963880181312561,
0.27869871258735657,
-0.06029500812292099,
-0.040415145456790924,
0.641367495059967,
0.4842472970485687,
-0.749539315700531,
-0.7215126156806946,
-0.5531342029571533,
-0.0771587938070297... | null | null | null | null | null | null | null | null | null | null | null | null | null | |
Lollitor/MyPubChem2 | Lollitor | 2023-10-31T10:25:12Z | 15 | 0 | null | [
"region:us"
] | 2023-10-31T10:25:12Z | 2023-10-31T10:23:00.000Z | 2023-10-31T10:23:00 | ---
dataset_info:
features:
- name: text
dtype: string
splits:
- name: train
num_bytes: 295081.2
num_examples: 1800
- name: validation
num_bytes: 32786.8
num_examples: 200
download_size: 103924
dataset_size: 327868.0
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: validation
path: data/validation-*
---
# Dataset Card for "MyPubChem2"
[More Information needed](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards) | [
-0.6249629855155945,
-0.2198156714439392,
0.20019876956939697,
0.36024683713912964,
-0.15380693972110748,
-0.03427397087216377,
0.36497774720191956,
-0.12048964202404022,
0.7880612015724182,
0.5272603631019592,
-0.7965093851089478,
-0.5074170231819153,
-0.5123980641365051,
-0.2876317799091... | null | null | null | null | null | null | null | null | null | null | null | null | null | |
R-Arfin/Depression | R-Arfin | 2023-10-31T14:10:37Z | 15 | 0 | null | [
"size_categories:1M<n<10M",
"language:en",
"code",
"machine learning",
"Derpression",
"Depression Detection",
"Depression-Dataset",
"region:us"
] | 2023-10-31T14:10:37Z | 2023-10-31T14:06:58.000Z | 2023-10-31T14:06:58 | ---
language:
- en
tags:
- code
- machine learning
- Derpression
- Depression Detection
- Depression-Dataset
size_categories:
- 1M<n<10M
--- | [
-0.12853392958641052,
-0.18616779148578644,
0.6529127955436707,
0.49436280131340027,
-0.19319361448287964,
0.23607419431209564,
0.36072003841400146,
0.050563063472509384,
0.579365611076355,
0.7400140762329102,
-0.6508104205131531,
-0.23783954977989197,
-0.7102249264717102,
-0.0478260256350... | null | null | null | null | null | null | null | null | null | null | null | null | null | |
yardeny/processed_t5_context_len_64 | yardeny | 2023-10-31T17:54:22Z | 15 | 0 | null | [
"region:us"
] | 2023-10-31T17:54:22Z | 2023-10-31T17:39:36.000Z | 2023-10-31T17:39:36 | ---
dataset_info:
features:
- name: input_ids
sequence: int32
- name: attention_mask
sequence: int8
splits:
- name: train
num_bytes: 9745169624.0
num_examples: 29710883
download_size: 3781295100
dataset_size: 9745169624.0
---
# Dataset Card for "processed_t5_context_len_64"
[More Information needed](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards) | [
-0.5503683686256409,
-0.2129553109407425,
0.5366710424423218,
0.3799048364162445,
-0.4771231412887573,
-0.16090236604213715,
-0.017833970487117767,
-0.31938210129737854,
0.5818566679954529,
0.5236034393310547,
-0.8541243672370911,
-0.9894272685050964,
-0.6689951419830322,
-0.05046007409691... | null | null | null | null | null | null | null | null | null | null | null | null | null | |
GSalimp/UFOPQANDA | GSalimp | 2023-11-01T01:02:16Z | 15 | 0 | null | [
"region:us"
] | 2023-11-01T01:02:16Z | 2023-10-31T23:31:38.000Z | 2023-10-31T23:31:38 | Entry not found | [
-0.32276472449302673,
-0.22568407654762268,
0.8622258901596069,
0.4346148371696472,
-0.5282984972000122,
0.7012965679168701,
0.7915717363357544,
0.07618629932403564,
0.7746022939682007,
0.2563222646713257,
-0.785281777381897,
-0.22573848068714142,
-0.9104482531547546,
0.5715669393539429,
... | null | null | null | null | null | null | null | null | null | null | null | null | null | |
hemantk089/llama2_7b_fine_tuning_complete_dataset_v7 | hemantk089 | 2023-11-02T09:11:04Z | 15 | 0 | null | [
"region:us"
] | 2023-11-02T09:11:04Z | 2023-11-02T09:11:02.000Z | 2023-11-02T09:11:02 | ---
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: test
path: data/test-*
dataset_info:
features:
- name: text
dtype: string
splits:
- name: train
num_bytes: 301722
num_examples: 813
- name: test
num_bytes: 72617
num_examples: 204
download_size: 107905
dataset_size: 374339
---
# Dataset Card for "llama2_7b_fine_tuning_complete_dataset_v7"
[More Information needed](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards) | [
-0.3866260349750519,
-0.17992231249809265,
0.3389761447906494,
0.4286457300186157,
-0.5970516800880432,
0.08135154843330383,
0.2616558372974396,
-0.21566462516784668,
0.5782971978187561,
0.6351034045219421,
-0.765648603439331,
-0.8319151997566223,
-0.558530867099762,
-0.03969953581690788,
... | null | null | null | null | null | null | null | null | null | null | null | null | null | |
Ramitha/spanish-legal-data | Ramitha | 2023-11-03T22:17:41Z | 15 | 0 | null | [
"license:mit",
"region:us"
] | 2023-11-03T22:17:41Z | 2023-11-02T12:43:09.000Z | 2023-11-02T12:43:09 | ---
license: mit
dataset_info:
features:
- name: Data
dtype: string
splits:
- name: train
num_bytes: 9370642571
num_examples: 16856747
download_size: 4221941077
dataset_size: 9370642571
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---
| [
-0.12853392958641052,
-0.18616779148578644,
0.6529127955436707,
0.49436280131340027,
-0.19319361448287964,
0.23607419431209564,
0.36072003841400146,
0.050563063472509384,
0.579365611076355,
0.7400140762329102,
-0.6508104205131531,
-0.23783954977989197,
-0.7102249264717102,
-0.0478260256350... | null | null | null | null | null | null | null | null | null | null | null | null | null | |
gowitheflow/wiki1M-word-condition-shuffle | gowitheflow | 2023-11-03T22:08:32Z | 15 | 0 | null | [
"region:us"
] | 2023-11-03T22:08:32Z | 2023-11-03T22:03:10.000Z | 2023-11-03T22:03:10 | Entry not found | [
-0.32276487350463867,
-0.22568444907665253,
0.8622263073921204,
0.43461570143699646,
-0.5282988548278809,
0.7012969255447388,
0.7915717363357544,
0.07618642598390579,
0.7746027112007141,
0.25632190704345703,
-0.7852815389633179,
-0.22573848068714142,
-0.910447895526886,
0.5715675354003906,... | null | null | null | null | null | null | null | null | null | null | null | null | null | |
openvoid/ultrachat-uncensored-conversion | openvoid | 2023-11-04T23:54:37Z | 15 | 1 | null | [
"text",
"jsonl",
"region:us"
] | 2023-11-04T23:54:37Z | 2023-11-04T07:29:19.000Z | 2023-11-04T07:29:19 | ---
tags:
- text
- jsonl
---
# Dataset Card for ultrachat-uncensored (Converted)
Source: https://huggingface.co/datasets/ehartford/ultrachat-uncensored
## Table of Contents
- [Dataset Description](#dataset-description)
- [Dataset Summary](#dataset-summary)
- [Dataset Structure](#dataset-structure)
- [Data Instances](#data-instances)
- [Data Fields](#data-fields)
- [Considerations for Using the Data](#considerations-for-using-the-data)
## Dataset Description
### Dataset Summary
This dataset is a converted version of the ultrachat-uncensored dataset, formatted as JSON Lines (JSONL). Each line in the dataset is a JSON object representing a dialogue between a human and a bot, encapsulated within specific tags.
## Dataset Structure
### Data Instances
A sample from the dataset:
```json
{
"text": "<human>: What is the weather like today?\n<bot>: The weather is sunny with a high of 25°C."
}
```
### Data Fields
- `text`: A string field containing the dialogue, with `<human>` tag marking the user's input and `<bot>` tag marking the bot's response.
## Considerations for Using the Data
When using this dataset, please be aware that it is a transformation of the original ultrachat-uncensored dataset. Any analysis or models trained on this data should take into account the specific formatting and structure of the dialogues. | [
-0.1967039555311203,
-0.7528544068336487,
0.06291835010051727,
0.11920509487390518,
-0.6810528039932251,
0.17558996379375458,
-0.23366893827915192,
-0.27938112616539,
0.3740188777446747,
1.0004582405090332,
-0.5924650430679321,
-0.8939920663833618,
0.040365979075431824,
-0.0245278570801019... | null | null | null | null | null | null | null | null | null | null | null | null | null | |
tingchih/classification_claims | tingchih | 2023-11-04T17:33:31Z | 15 | 0 | null | [
"region:us"
] | 2023-11-04T17:33:31Z | 2023-11-04T17:29:33.000Z | 2023-11-04T17:29:33 | ---
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: test
path: data/test-*
dataset_info:
features:
- name: text
dtype: string
- name: label
dtype: int64
splits:
- name: train
num_bytes: 5314830278
num_examples: 570692
- name: test
num_bytes: 2277898100
num_examples: 244583
download_size: 4391700574
dataset_size: 7592728378
---
# Dataset Card for "classification_claims"
[More Information needed](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards) | [
-0.39125242829322815,
0.011189939454197884,
0.1179623231291771,
0.14520341157913208,
0.0307993795722723,
-0.005716273095458746,
0.25851714611053467,
-0.48026901483535767,
0.7308655977249146,
0.43451783061027527,
-0.5282682180404663,
-0.6882877945899963,
-0.6277555227279663,
-0.406519263982... | null | null | null | null | null | null | null | null | null | null | null | null | null | |
HamdanXI/paradetox_editOps_preprocess | HamdanXI | 2023-11-06T07:50:50Z | 15 | 0 | null | [
"region:us"
] | 2023-11-06T07:50:50Z | 2023-11-06T07:35:52.000Z | 2023-11-06T07:35:52 | ---
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
dataset_info:
features:
- name: en_toxic_comment
dtype: string
- name: en_neutral_comment
dtype: string
- name: edit_ops
sequence:
sequence: string
- name: masked_comment
dtype: string
splits:
- name: train
num_bytes: 5469950
num_examples: 19744
download_size: 0
dataset_size: 5469950
---
# Dataset Card for "paradetox_editOps_preprocess"
[More Information needed](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards) | [
-0.6052384376525879,
-0.1357302963733673,
0.31991496682167053,
0.49347686767578125,
-0.28672051429748535,
0.11002030223608017,
0.2784261703491211,
-0.01685953699052334,
1.1727654933929443,
0.7885069251060486,
-0.9818249940872192,
-0.786019504070282,
-0.5053902268409729,
-0.1182905659079551... | null | null | null | null | null | null | null | null | null | null | null | null | null | |
Jayem-11/mozilla_commonvoice_hackathon_preprocessed_train_batch_3 | Jayem-11 | 2023-11-06T13:42:45Z | 15 | 0 | null | [
"region:us"
] | 2023-11-06T13:42:45Z | 2023-11-06T13:37:49.000Z | 2023-11-06T13:37:49 | ---
dataset_info:
features:
- name: audio
dtype:
audio:
sampling_rate: 16000
- name: sentence
dtype: string
- name: input_length
dtype: int64
- name: input_features
sequence:
sequence: float32
- name: labels
sequence: int64
- name: labels_length
dtype: int64
splits:
- name: train
num_bytes: 15580205067.875
num_examples: 13689
download_size: 4759107017
dataset_size: 15580205067.875
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---
# Dataset Card for "mozilla_commonvoice_hackathon_preprocessed_train_batch_3"
[More Information needed](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards) | [
-0.42478469014167786,
-0.22881297767162323,
0.14565856754779816,
0.3975154161453247,
-0.11545801907777786,
-0.07419544458389282,
0.18460169434547424,
0.1054493635892868,
0.7116426229476929,
0.44572681188583374,
-0.9659961462020874,
-0.6384738683700562,
-0.2663584351539612,
-0.2058373987674... | null | null | null | null | null | null | null | null | null | null | null | null | null | |
jseillade/landcover_control | jseillade | 2023-11-07T13:45:22Z | 15 | 0 | null | [
"region:us"
] | 2023-11-07T13:45:22Z | 2023-11-07T13:40:58.000Z | 2023-11-07T13:40:58 | ---
dataset_info:
features:
- name: image
dtype: image
- name: mask
dtype: image
- name: prompt
dtype: string
- name: labels_prompt
dtype: string
splits:
- name: train
num_bytes: 1077807673.12
num_examples: 10670
download_size: 1016013388
dataset_size: 1077807673.12
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---
# Dataset Card for "landcover_control"
[More Information needed](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards) | [
-0.6568624377250671,
-0.2241872400045395,
-0.04188387468457222,
0.3054652810096741,
-0.16609551012516022,
0.09518220275640488,
0.35499733686447144,
-0.07396355271339417,
0.6006235480308533,
0.8077272772789001,
-0.6033740639686584,
-1.0057429075241089,
-0.700054407119751,
-0.586892008781433... | null | null | null | null | null | null | null | null | null | null | null | null | null | |
IndonesiaAI/1000-sample | IndonesiaAI | 2023-11-08T08:51:24Z | 15 | 0 | null | [
"region:us"
] | 2023-11-08T08:51:24Z | 2023-11-08T08:43:44.000Z | 2023-11-08T08:43:44 | ---
dataset_info:
features:
- name: qid
dtype: int64
- name: question
dtype: string
- name: date
dtype: string
- name: metadata
sequence: string
- name: response_j
dtype: string
- name: response_k
dtype: string
splits:
- name: train
num_bytes: 266536
num_examples: 100
download_size: 183818
dataset_size: 266536
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---
# Dataset Card for "1000-sample"
[More Information needed](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards) | [
-0.7539522051811218,
-0.2573840320110321,
0.1867189109325409,
0.29545357823371887,
-0.0352514423429966,
-0.16852439939975739,
0.3366590142250061,
-0.08280540257692337,
1.0088229179382324,
0.48768606781959534,
-0.898363471031189,
-0.7144246697425842,
-0.4738147556781769,
-0.1066891849040985... | null | null | null | null | null | null | null | null | null | null | null | null | null | |
shaaz10/goodsrate | shaaz10 | 2023-11-11T13:16:35Z | 15 | 0 | null | [
"license:unknown",
"region:us"
] | 2023-11-11T13:16:35Z | 2023-11-08T12:44:16.000Z | 2023-11-08T12:44:16 | ---
license: unknown
---
| [
-0.12853392958641052,
-0.18616779148578644,
0.6529127955436707,
0.49436280131340027,
-0.19319361448287964,
0.23607419431209564,
0.36072003841400146,
0.050563063472509384,
0.579365611076355,
0.7400140762329102,
-0.6508104205131531,
-0.23783954977989197,
-0.7102249264717102,
-0.0478260256350... | null | null | null | null | null | null | null | null | null | null | null | null | null | |
Fantas-IA/cedulas_chile | Fantas-IA | 2023-11-10T01:34:38Z | 15 | 0 | null | [
"license:apache-2.0",
"region:us"
] | 2023-11-10T01:34:38Z | 2023-11-10T01:25:43.000Z | 2023-11-10T01:25:43 | ---
license: apache-2.0
dataset_info:
features:
- name: ground_truth
dtype: string
- name: image
dtype: image
splits:
- name: train
num_bytes: 6089584.0
num_examples: 36
- name: validation
num_bytes: 1340081.0
num_examples: 9
- name: test
num_bytes: 858601.0
num_examples: 5
download_size: 8289216
dataset_size: 8288266.0
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: validation
path: data/validation-*
- split: test
path: data/test-*
---
| [
-0.12853392958641052,
-0.18616779148578644,
0.6529127955436707,
0.49436280131340027,
-0.19319361448287964,
0.23607419431209564,
0.36072003841400146,
0.050563063472509384,
0.579365611076355,
0.7400140762329102,
-0.6508104205131531,
-0.23783954977989197,
-0.7102249264717102,
-0.0478260256350... | null | null | null | null | null | null | null | null | null | null | null | null | null | |
Eitanli/rewrite_instructions | Eitanli | 2023-11-29T01:04:48Z | 15 | 1 | null | [
"region:us"
] | 2023-11-29T01:04:48Z | 2023-11-10T12:12:31.000Z | 2023-11-10T12:12:31 | ---
dataset_info:
features:
- name: id
dtype: int64
- name: recipe
dtype: string
- name: instructions
dtype: string
splits:
- name: train
num_bytes: 126273030
num_examples: 58601
download_size: 63981030
dataset_size: 126273030
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---
# Dataset Card for "rewrite_instructions"
[More Information needed](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards) | [
-0.23411133885383606,
-0.5742663741111755,
0.3604525625705719,
0.3199414014816284,
-0.2992270290851593,
-0.148368701338768,
0.15133319795131683,
0.2469816952943802,
0.8491196632385254,
0.9268136024475098,
-1.2272526025772095,
-0.8464958667755127,
-0.38643115758895874,
-0.11212854087352753,... | null | null | null | null | null | null | null | null | null | null | null | null | null | |
advancedcv/Food500Cap_train | advancedcv | 2023-11-11T00:01:49Z | 15 | 0 | null | [
"region:us"
] | 2023-11-11T00:01:49Z | 2023-11-10T22:55:36.000Z | 2023-11-10T22:55:36 | ---
dataset_info:
features:
- name: image
dtype: image
- name: cat
dtype: string
- name: caption
dtype: string
- name: img_id
dtype: string
splits:
- name: train
num_bytes: 3005309945.747
num_examples: 19877
download_size: 2411309567
dataset_size: 3005309945.747
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---
# Dataset Card for "Food500Cap_train"
[More Information needed](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards) | [
-0.5018239617347717,
0.07027661055326462,
0.05497267097234726,
0.19429731369018555,
0.36909350752830505,
0.032321829348802567,
0.304957777261734,
-0.13855420053005219,
0.9231757521629333,
0.3174099326133728,
-0.9427942037582397,
-0.4429660439491272,
-0.5844051241874695,
-0.0707229226827621... | null | null | null | null | null | null | null | null | null | null | null | null | null | |
justinphan3110/harmful_harmless_instructions_llama2_chat | justinphan3110 | 2023-11-11T05:19:33Z | 15 | 0 | null | [
"region:us"
] | 2023-11-11T05:19:33Z | 2023-11-11T05:19:31.000Z | 2023-11-11T05:19:31 | ---
dataset_info:
features:
- name: sentence
sequence: string
- name: label
sequence: bool
splits:
- name: train
num_bytes: 159388
num_examples: 128
- name: test
num_bytes: 479044
num_examples: 384
download_size: 98020
dataset_size: 638432
---
# Dataset Card for "harmful_harmless_instructions_llama2_chat"
[More Information needed](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards) | [
-0.06901484727859497,
-0.6641079783439636,
0.1407424956560135,
0.46868690848350525,
-0.4626513719558716,
-0.08994892239570618,
0.3410772383213043,
-0.3094712495803833,
0.5956025123596191,
0.7573544383049011,
-0.8105278015136719,
-0.9023996591567993,
-0.7055048942565918,
-0.4164742231369018... | null | null | null | null | null | null | null | null | null | null | null | null | null | |
maywell/gpt4_evol_1.3k | maywell | 2023-11-11T12:22:15Z | 15 | 4 | null | [
"region:us"
] | 2023-11-11T12:22:15Z | 2023-11-11T12:22:13.000Z | 2023-11-11T12:22:13 | ---
dataset_info:
features:
- name: answer
dtype: string
- name: question
dtype: string
splits:
- name: train
num_bytes: 3467056
num_examples: 1316
download_size: 1918245
dataset_size: 3467056
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---
# Dataset Card for "gpt4_evol_1.3k"
[More Information needed](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards) | [
-0.6294041275978088,
-0.13503849506378174,
0.2405337691307068,
0.1645129770040512,
-0.44086676836013794,
-0.05847746133804321,
0.4670774042606354,
-0.2999953031539917,
0.6850070357322693,
0.3796634078025818,
-0.6708112359046936,
-0.7773954272270203,
-0.4961058795452118,
-0.0869647189974784... | null | null | null | null | null | null | null | null | null | null | null | null | null | |
lionel-rocha/dataset_teste1 | lionel-rocha | 2023-11-11T19:16:50Z | 15 | 0 | null | [
"region:us"
] | 2023-11-11T19:16:50Z | 2023-11-11T15:56:47.000Z | 2023-11-11T15:56:47 | Entry not found | [
-0.32276472449302673,
-0.22568407654762268,
0.8622258901596069,
0.4346148371696472,
-0.5282984972000122,
0.7012965679168701,
0.7915717363357544,
0.07618629932403564,
0.7746022939682007,
0.2563222646713257,
-0.785281777381897,
-0.22573848068714142,
-0.9104482531547546,
0.5715669393539429,
... | null | null | null | null | null | null | null | null | null | null | null | null | null | |
presencesw/complexquestion_2WIKIMQA_100 | presencesw | 2023-11-13T05:58:53Z | 15 | 0 | null | [
"region:us"
] | 2023-11-13T05:58:53Z | 2023-11-13T05:58:47.000Z | 2023-11-13T05:58:47 | ---
dataset_info:
features:
- name: entities
sequence: 'null'
- name: triplets
sequence: 'null'
- name: answer
dtype: string
- name: complex_question
dtype: string
- name: system_prompt
dtype: string
- name: user_prompt
dtype: string
splits:
- name: train
num_bytes: 549854
num_examples: 100
download_size: 58343
dataset_size: 549854
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---
# Dataset Card for "complexquestion_2WIKIMQA_100"
[More Information needed](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards) | [
-0.6274258494377136,
-0.37424784898757935,
0.22237427532672882,
0.5122998356819153,
-0.03559521958231926,
0.11492715030908585,
0.1829124242067337,
-0.2585528492927551,
0.6682284474372864,
0.423931360244751,
-1.0241819620132446,
-0.6307147741317749,
-0.5687012672424316,
-0.30059805512428284... | null | null | null | null | null | null | null | null | null | null | null | null | null | |
TinyPixel/claude_multiround_chat_1k | TinyPixel | 2023-11-18T06:06:06Z | 15 | 0 | null | [
"region:us"
] | 2023-11-18T06:06:06Z | 2023-11-15T15:03:54.000Z | 2023-11-15T15:03:54 | ---
dataset_info:
features:
- name: id
dtype: string
- name: conversations
list:
- name: from
dtype: string
- name: value
dtype: string
- name: text
dtype: string
splits:
- name: train
num_bytes: 17732362
num_examples: 1609
download_size: 9512334
dataset_size: 17732362
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---
# Dataset Card for "claude_multiround_chat_1k"
[More Information needed](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards) | [
-0.7525954842567444,
-0.47421061992645264,
0.12473892420530319,
0.6615243554115295,
-0.15853504836559296,
-0.06605417281389236,
0.1803559809923172,
-0.058442968875169754,
1.0872753858566284,
0.7050698399543762,
-1.035784363746643,
-0.7096160650253296,
-0.6920517683029175,
-0.39129194617271... | null | null | null | null | null | null | null | null | null | null | null | null | null | |
universalner/universal_ner | universalner | 2023-11-16T11:52:04Z | 15 | 4 | null | [
"task_categories:token-classification",
"language:ceb",
"language:da",
"language:de",
"language:en",
"language:hr",
"language:pt",
"language:ru",
"language:sk",
"language:sr",
"language:sv",
"language:tl",
"language:zh",
"license:cc-by-sa-4.0",
"arxiv:2311.09122",
"region:us"
] | 2023-11-16T11:52:04Z | 2023-11-15T15:26:34.000Z | 2023-11-15T15:26:34 | ---
license: cc-by-sa-4.0
language:
- ceb
- da
- de
- en
- hr
- pt
- ru
- sk
- sr
- sv
- tl
- zh
task_categories:
- token-classification
dataset_info:
- config_name: ceb_gja
features:
- name: idx
dtype: string
- name: text
dtype: string
- name: tokens
sequence: string
- name: ner_tags
sequence:
class_label:
names:
'0': O
'1': B-PER
'2': I-PER
'3': B-ORG
'4': I-ORG
'5': B-LOC
'6': I-LOC
- name: annotator
sequence: string
splits:
- name: test
num_bytes: 39540
num_examples: 188
download_size: 30395
dataset_size: 39540
- config_name: da_ddt
features:
- name: idx
dtype: string
- name: text
dtype: string
- name: tokens
sequence: string
- name: ner_tags
sequence:
class_label:
names:
'0': O
'1': B-PER
'2': I-PER
'3': B-ORG
'4': I-ORG
'5': B-LOC
'6': I-LOC
- name: annotator
sequence: string
splits:
- name: train
num_bytes: 2304027
num_examples: 4383
- name: validation
num_bytes: 293562
num_examples: 564
- name: test
num_bytes: 285813
num_examples: 565
download_size: 2412623
dataset_size: 2883402
- config_name: de_pud
features:
- name: idx
dtype: string
- name: text
dtype: string
- name: tokens
sequence: string
- name: ner_tags
sequence:
class_label:
names:
'0': O
'1': B-PER
'2': I-PER
'3': B-ORG
'4': I-ORG
'5': B-LOC
'6': I-LOC
- name: annotator
sequence: string
splits:
- name: test
num_bytes: 641819
num_examples: 1000
download_size: 501924
dataset_size: 641819
- config_name: en_ewt
features:
- name: idx
dtype: string
- name: text
dtype: string
- name: tokens
sequence: string
- name: ner_tags
sequence:
class_label:
names:
'0': O
'1': B-PER
'2': I-PER
'3': B-ORG
'4': I-ORG
'5': B-LOC
'6': I-LOC
- name: annotator
sequence: string
splits:
- name: train
num_bytes: 6133506
num_examples: 12543
- name: validation
num_bytes: 782835
num_examples: 2001
- name: test
num_bytes: 785361
num_examples: 2077
download_size: 5962747
dataset_size: 7701702
- config_name: en_pud
features:
- name: idx
dtype: string
- name: text
dtype: string
- name: tokens
sequence: string
- name: ner_tags
sequence:
class_label:
names:
'0': O
'1': B-PER
'2': I-PER
'3': B-ORG
'4': I-ORG
'5': B-LOC
'6': I-LOC
- name: annotator
sequence: string
splits:
- name: test
num_bytes: 600666
num_examples: 1000
download_size: 462120
dataset_size: 600666
- config_name: hr_set
features:
- name: idx
dtype: string
- name: text
dtype: string
- name: tokens
sequence: string
- name: ner_tags
sequence:
class_label:
names:
'0': O
'1': B-PER
'2': I-PER
'3': B-ORG
'4': I-ORG
'5': B-LOC
'6': I-LOC
- name: annotator
sequence: string
splits:
- name: train
num_bytes: 4523323
num_examples: 6914
- name: validation
num_bytes: 656738
num_examples: 960
- name: test
num_bytes: 719703
num_examples: 1136
download_size: 4620262
dataset_size: 5899764
- config_name: pt_bosque
features:
- name: idx
dtype: string
- name: text
dtype: string
- name: tokens
sequence: string
- name: ner_tags
sequence:
class_label:
names:
'0': O
'1': B-PER
'2': I-PER
'3': B-ORG
'4': I-ORG
'5': B-LOC
'6': I-LOC
- name: annotator
sequence: string
splits:
- name: train
num_bytes: 4839200
num_examples: 7018
- name: validation
num_bytes: 802880
num_examples: 1172
- name: test
num_bytes: 780768
num_examples: 1167
download_size: 4867264
dataset_size: 6422848
- config_name: pt_pud
features:
- name: idx
dtype: string
- name: text
dtype: string
- name: tokens
sequence: string
- name: ner_tags
sequence:
class_label:
names:
'0': O
'1': B-PER
'2': I-PER
'3': B-ORG
'4': I-ORG
'5': B-LOC
'6': I-LOC
- name: annotator
sequence: string
splits:
- name: test
num_bytes: 661453
num_examples: 1000
download_size: 507495
dataset_size: 661453
- config_name: ru_pud
features:
- name: idx
dtype: string
- name: text
dtype: string
- name: tokens
sequence: string
- name: ner_tags
sequence:
class_label:
names:
'0': O
'1': B-PER
'2': I-PER
'3': B-ORG
'4': I-ORG
'5': B-LOC
'6': I-LOC
- name: annotator
sequence: string
splits:
- name: test
num_bytes: 795294
num_examples: 1000
download_size: 669214
dataset_size: 795294
- config_name: sk_snk
features:
- name: idx
dtype: string
- name: text
dtype: string
- name: tokens
sequence: string
- name: ner_tags
sequence:
class_label:
names:
'0': O
'1': B-PER
'2': I-PER
'3': B-ORG
'4': I-ORG
'5': B-LOC
'6': I-LOC
- name: annotator
sequence: string
splits:
- name: train
num_bytes: 2523121
num_examples: 8483
- name: validation
num_bytes: 409448
num_examples: 1060
- name: test
num_bytes: 411686
num_examples: 1061
download_size: 2597877
dataset_size: 3344255
- config_name: sr_set
features:
- name: idx
dtype: string
- name: text
dtype: string
- name: tokens
sequence: string
- name: ner_tags
sequence:
class_label:
names:
'0': O
'1': B-PER
'2': I-PER
'3': B-ORG
'4': I-ORG
'5': B-LOC
'6': I-LOC
- name: annotator
sequence: string
splits:
- name: train
num_bytes: 2174631
num_examples: 3328
- name: validation
num_bytes: 349276
num_examples: 536
- name: test
num_bytes: 336065
num_examples: 520
download_size: 2248325
dataset_size: 2859972
- config_name: sv_pud
features:
- name: idx
dtype: string
- name: text
dtype: string
- name: tokens
sequence: string
- name: ner_tags
sequence:
class_label:
names:
'0': O
'1': B-PER
'2': I-PER
'3': B-ORG
'4': I-ORG
'5': B-LOC
'6': I-LOC
- name: annotator
sequence: string
splits:
- name: test
num_bytes: 588564
num_examples: 1000
download_size: 464252
dataset_size: 588564
- config_name: sv_talbanken
features:
- name: idx
dtype: string
- name: text
dtype: string
- name: tokens
sequence: string
- name: ner_tags
sequence:
class_label:
names:
'0': O
'1': B-PER
'2': I-PER
'3': B-ORG
'4': I-ORG
'5': B-LOC
'6': I-LOC
- name: annotator
sequence: string
splits:
- name: train
num_bytes: 2027488
num_examples: 4303
- name: validation
num_bytes: 291774
num_examples: 504
- name: test
num_bytes: 615209
num_examples: 1219
download_size: 2239432
dataset_size: 2934471
- config_name: tl_trg
features:
- name: idx
dtype: string
- name: text
dtype: string
- name: tokens
sequence: string
- name: ner_tags
sequence:
class_label:
names:
'0': O
'1': B-PER
'2': I-PER
'3': B-ORG
'4': I-ORG
'5': B-LOC
'6': I-LOC
- name: annotator
sequence: string
splits:
- name: test
num_bytes: 23671
num_examples: 128
download_size: 18546
dataset_size: 23671
- config_name: tl_ugnayan
features:
- name: idx
dtype: string
- name: text
dtype: string
- name: tokens
sequence: string
- name: ner_tags
sequence:
class_label:
names:
'0': O
'1': B-PER
'2': I-PER
'3': B-ORG
'4': I-ORG
'5': B-LOC
'6': I-LOC
- name: annotator
sequence: string
splits:
- name: test
num_bytes: 31732
num_examples: 94
download_size: 23941
dataset_size: 31732
- config_name: zh_gsd
features:
- name: idx
dtype: string
- name: text
dtype: string
- name: tokens
sequence: string
- name: ner_tags
sequence:
class_label:
names:
'0': O
'1': B-PER
'2': I-PER
'3': B-ORG
'4': I-ORG
'5': B-LOC
'6': I-LOC
- name: annotator
sequence: string
splits:
- name: train
num_bytes: 2747999
num_examples: 3997
- name: validation
num_bytes: 355515
num_examples: 500
- name: test
num_bytes: 335893
num_examples: 500
download_size: 2614866
dataset_size: 3439407
- config_name: zh_gsdsimp
features:
- name: idx
dtype: string
- name: text
dtype: string
- name: tokens
sequence: string
- name: ner_tags
sequence:
class_label:
names:
'0': O
'1': B-PER
'2': I-PER
'3': B-ORG
'4': I-ORG
'5': B-LOC
'6': I-LOC
- name: annotator
sequence: string
splits:
- name: train
num_bytes: 2747863
num_examples: 3997
- name: validation
num_bytes: 352423
num_examples: 500
- name: test
num_bytes: 335869
num_examples: 500
download_size: 2611290
dataset_size: 3436155
- config_name: zh_pud
features:
- name: idx
dtype: string
- name: text
dtype: string
- name: tokens
sequence: string
- name: ner_tags
sequence:
class_label:
names:
'0': O
'1': B-PER
'2': I-PER
'3': B-ORG
'4': I-ORG
'5': B-LOC
'6': I-LOC
- name: annotator
sequence: string
splits:
- name: test
num_bytes: 607418
num_examples: 1000
download_size: 460357
dataset_size: 607418
---
# Dataset Card for Universal NER
Upcoming!
arXiv: https://huggingface.co/papers/2311.09122 | [
-0.4942100942134857,
-0.07979562878608704,
-0.07140087336301804,
0.2952446937561035,
-0.21341930329799652,
-0.2895963788032532,
0.1751326620578766,
-0.28592485189437866,
0.4370439350605011,
0.7154476046562195,
-0.6475679278373718,
-0.8917537927627563,
-0.2799249589443207,
-0.07496010512113... | null | null | null | null | null | null | null | null | null | null | null | null | null | |
lhallee/prost_valid_test | lhallee | 2023-11-15T20:33:01Z | 15 | 0 | null | [
"region:us"
] | 2023-11-15T20:33:01Z | 2023-11-15T20:32:53.000Z | 2023-11-15T20:32:53 | ---
configs:
- config_name: default
data_files:
- split: valid
path: data/valid-*
- split: test
path: data/test-*
dataset_info:
features:
- name: seqs
dtype: string
splits:
- name: valid
num_bytes: 603744
num_examples: 1259
- name: test
num_bytes: 140994
num_examples: 474
download_size: 679584
dataset_size: 744738
---
# Dataset Card for "prost_valid_test"
[More Information needed](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards) | [
-0.5542096495628357,
-0.5492568612098694,
0.05603004992008209,
0.1800057291984558,
-0.24290212988853455,
-0.1786564737558365,
0.1418991982936859,
-0.019450558349490166,
0.540134847164154,
0.37082114815711975,
-0.6679408550262451,
-0.7175840139389038,
-0.3670247197151184,
-0.036644354462623... | null | null | null | null | null | null | null | null | null | null | null | null | null | |
tomashs/lsc_binaryclassification | tomashs | 2023-11-16T15:36:00Z | 15 | 0 | null | [
"region:us"
] | 2023-11-16T15:36:00Z | 2023-11-16T15:35:53.000Z | 2023-11-16T15:35:53 | ---
dataset_info:
features:
- name: text
dtype: string
- name: short_form
dtype: string
- name: long_form
dtype: string
- name: label
dtype: int64
splits:
- name: train
num_bytes: 123283916
num_examples: 400268
download_size: 19911631
dataset_size: 123283916
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---
# Dataset Card for "lsc_binaryclassification"
[More Information needed](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards) | [
-0.4394536316394806,
-0.0974252000451088,
0.3186475932598114,
0.04938194900751114,
-0.1733652502298355,
0.29848578572273254,
0.2544245719909668,
-0.2862982749938965,
0.8614487648010254,
0.37907978892326355,
-0.7761280536651611,
-0.7739787697792053,
-0.42408838868141174,
-0.3980975151062011... | null | null | null | null | null | null | null | null | null | null | null | null | null | |
AlignmentLab-AI/alpaca-cot-collection | AlignmentLab-AI | 2023-11-18T05:28:34Z | 15 | 0 | null | [
"region:us"
] | 2023-11-18T05:28:34Z | 2023-11-18T05:27:25.000Z | 2023-11-18T05:27:25 | Entry not found | [
-0.3227647542953491,
-0.22568407654762268,
0.8622258901596069,
0.4346148371696472,
-0.5282984972000122,
0.7012965083122253,
0.7915717959403992,
0.07618629932403564,
0.7746022343635559,
0.2563222348690033,
-0.785281777381897,
-0.22573848068714142,
-0.9104482531547546,
0.5715669393539429,
... | null | null | null | null | null | null | null | null | null | null | null | null | null | |
vanesa1221/llama-prueba-unsaac | vanesa1221 | 2023-11-19T15:12:17Z | 15 | 0 | null | [
"region:us"
] | 2023-11-19T15:12:17Z | 2023-11-18T17:06:38.000Z | 2023-11-18T17:06:38 | ---
dataset_info:
features:
- name: text
dtype: string
splits:
- name: train
num_bytes: 14220
num_examples: 36
download_size: 5973
dataset_size: 14220
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---
| [
-0.12853392958641052,
-0.18616779148578644,
0.6529127955436707,
0.49436280131340027,
-0.19319361448287964,
0.23607419431209564,
0.36072003841400146,
0.050563063472509384,
0.579365611076355,
0.7400140762329102,
-0.6508104205131531,
-0.23783954977989197,
-0.7102249264717102,
-0.0478260256350... | null | null | null | null | null | null | null | null | null | null | null | null | null | |
nourheshamshaheen/ICPR_big_division2 | nourheshamshaheen | 2023-11-19T10:52:12Z | 15 | 0 | null | [
"region:us"
] | 2023-11-19T10:52:12Z | 2023-11-19T10:43:25.000Z | 2023-11-19T10:43:25 | ---
dataset_info:
features:
- name: image
dtype: image
- name: label
dtype:
class_label:
names:
'0': area
'1': heatmap
'2': horizontal_bar
'3': horizontal_interval
'4': line
'5': manhattan
'6': map
'7': pie
'8': scatter
'9': scatter-line
'10': surface
'11': venn
'12': vertical_bar
'13': vertical_box
'14': vertical_interval
- name: pipeline_label
dtype:
class_label:
names:
'0': line
'1': other
'2': scatter
'3': scatter_line
'4': vertical_bar
- name: true_label
dtype: string
splits:
- name: train
num_bytes: 1192178239.45
num_examples: 22923
download_size: 1082413228
dataset_size: 1192178239.45
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---
# Dataset Card for "ICPR_big_division2"
[More Information needed](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards) | [
-0.6738304495811462,
0.08047421276569366,
0.08229615539312363,
0.5164371728897095,
-0.34528613090515137,
0.14659273624420166,
0.19248197972774506,
-0.18293091654777527,
0.5033164024353027,
0.2557182312011719,
-0.6703997850418091,
-0.6874639987945557,
-0.6893342137336731,
-0.292315423488616... | null | null | null | null | null | null | null | null | null | null | null | null | null | |
ayan1988/diffusion.9.custom_diffusion | ayan1988 | 2023-11-19T12:05:56Z | 15 | 0 | null | [
"region:us"
] | 2023-11-19T12:05:56Z | 2023-11-19T12:02:15.000Z | 2023-11-19T12:02:15 | ---
dataset_info:
features:
- name: image
dtype: image
- name: prompt
dtype: string
splits:
- name: train
num_bytes: 85296454.0
num_examples: 200
download_size: 0
dataset_size: 85296454.0
---
# Dataset Card for "diffusion.9.custom_diffusion"
[More Information needed](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards) | [
-0.7433062791824341,
-0.6822174191474915,
0.48577338457107544,
0.30563288927078247,
-0.04231582581996918,
0.10173903405666351,
0.36876076459884644,
0.12938830256462097,
1.1391630172729492,
0.42838194966316223,
-0.613919198513031,
-0.7371586561203003,
-0.7498295903205872,
-0.476112782955169... | null | null | null | null | null | null | null | null | null | null | null | null | null | |
michelcarroll/llama2-earnings-stock-prediction-fine-tune-v2 | michelcarroll | 2023-11-20T00:48:06Z | 15 | 0 | null | [
"region:us"
] | 2023-11-20T00:48:06Z | 2023-11-19T17:22:11.000Z | 2023-11-19T17:22:11 | ---
dataset_info:
features:
- name: completion
dtype: string
- name: label
dtype: string
splits:
- name: train
num_bytes: 87920323
num_examples: 111140
- name: development
num_bytes: 26706627
num_examples: 33314
- name: test
num_bytes: 25885158
num_examples: 31771
download_size: 56806089
dataset_size: 140512108
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: development
path: data/development-*
- split: test
path: data/test-*
---
| [
-0.12853392958641052,
-0.18616779148578644,
0.6529127955436707,
0.49436280131340027,
-0.19319361448287964,
0.23607419431209564,
0.36072003841400146,
0.050563063472509384,
0.579365611076355,
0.7400140762329102,
-0.6508104205131531,
-0.23783954977989197,
-0.7102249264717102,
-0.0478260256350... | null | null | null | null | null | null | null | null | null | null | null | null | null | |
showchen/Kurisu | showchen | 2023-11-19T18:46:17Z | 15 | 0 | null | [
"task_categories:text-generation",
"task_categories:text2text-generation",
"size_categories:10K<n<100K",
"language:en",
"language:zh",
"license:cc-by-4.0",
"arxiv:2308.09597",
"region:us"
] | 2023-11-19T18:46:17Z | 2023-11-19T18:36:41.000Z | 2023-11-19T18:36:41 | ---
license: cc-by-4.0
task_categories:
- text-generation
- text2text-generation
language:
- en
- zh
size_categories:
- 10K<n<100K
---
# ChatHaruhi
# Reviving Anime Character in Reality via Large Language Model
[]()
[]()
github repo: https://github.com/LC1332/Chat-Haruhi-Suzumiya
**Chat-Haruhi-Suzumiya**is a language model that imitates the tone, personality and storylines of characters like Haruhi Suzumiya,
<details>
<summary> The project was developed by Cheng Li, Ziang Leng, Chenxi Yan, Xiaoyang Feng, HaoSheng Wang, Junyi Shen, Hao Wang, Weishi Mi, Aria Fei, Song Yan, Linkang Zhan, Yaokai Jia, Pingyu Wu, and Haozhen Sun,etc. </summary>
This is an open source project and the members were recruited from open source communities like DataWhale.
Lulu Li( [Cheng Li@SenseTime](https://github.com/LC1332) )initiated the whole project and designed and implemented most of the features.
Ziang Leng( [Ziang Leng@SenseTime](https://blairleng.github.io) )designed and implemented the training, data generation and backend architecture for ChatHaruhi 1.0.
Chenxi Yan( [Chenxi Yan@Chengdu University of Information Technology](https://github.com/todochenxi) )implemented and maintained the backend for ChatHaruhi 1.0.
Junyi Shen( [Junyi Shen@Zhejiang University](https://github.com/J1shen) )implemented the training code and participated in generating the training dataset.
Hao Wang( [Hao Wang](https://github.com/wanghao07456) )collected script data for a TV series and participated in data augmentation.
Weishi Mi( [Weishi MI@Tsinghua University](https://github.com/hhhwmws0117) )participated in data augmentation.
Aria Fei( [Aria Fei@BJUT](https://ariafyy.github.io/) )implemented the ASR feature for the script tool and participated in the Openness-Aware Personality paper project.
Xiaoyang Feng( [Xiaoyang Feng@Nanjing Agricultural University](https://github.com/fengyunzaidushi) )integrated the script recognition tool and participated in the Openness-Aware Personality paper project.
Yue Leng ( [Song Yan](https://github.com/zealot52099) )Collected data from The Big Bang Theory. Implemented script format conversion.
scixing(HaoSheng Wang)( [HaoSheng Wang](https://github.com/ssccinng) ) implemented voiceprint recognition in the script tool and tts-vits speech synthesis.
Linkang Zhan( [JunityZhan@Case Western Reserve University](https://github.com/JunityZhan) ) collected Genshin Impact's system prompts and story data.
Yaokai Jia( [Yaokai Jia](https://github.com/KaiJiaBrother) )implemented the Vue frontend and practiced GPU extraction of Bert in a psychology project.
Pingyu Wu( [Pingyu Wu@Juncai Shuyun](https://github.com/wpydcr) )helped deploy the first version of the training code.
Haozhen Sun( [Haozhen Sun@Tianjin University] )plot the character figures for ChatHaruhi.
</details>
### Citation
Please cite the repo if you use the data or code in this repo.
```
@misc{li2023chatharuhi,
title={ChatHaruhi: Reviving Anime Character in Reality via Large Language Model},
author={Cheng Li and Ziang Leng and Chenxi Yan and Junyi Shen and Hao Wang and Weishi MI and Yaying Fei and Xiaoyang Feng and Song Yan and HaoSheng Wang and Linkang Zhan and Yaokai Jia and Pingyu Wu and Haozhen Sun},
year={2023},
eprint={2308.09597},
archivePrefix={arXiv},
primaryClass={cs.CL}
}
``` | [
-0.15196004509925842,
-0.5720920562744141,
0.2289981096982956,
0.20546159148216248,
0.1051916629076004,
0.2533275783061981,
-0.6253560185432434,
-0.3341929614543915,
0.3235282599925995,
0.2754739820957184,
-0.5756707191467285,
-0.3238058090209961,
-0.29503196477890015,
-0.2754138708114624,... | null | null | null | null | null | null | null | null | null | null | null | null | null | |
Vezora/test4 | Vezora | 2023-11-20T04:34:14Z | 15 | 0 | null | [
"region:us"
] | 2023-11-20T04:34:14Z | 2023-11-20T04:33:48.000Z | 2023-11-20T04:33:48 | Entry not found | [
-0.3227645754814148,
-0.22568479180335999,
0.8622263669967651,
0.43461522459983826,
-0.52829909324646,
0.7012971639633179,
0.7915719747543335,
0.07618614286184311,
0.774603009223938,
0.2563217282295227,
-0.7852813005447388,
-0.22573819756507874,
-0.9104475975036621,
0.5715674161911011,
-... | null | null | null | null | null | null | null | null | null | null | null | null | null | |
winterForestStump/10k_SEC_10examples_text_corpus | winterForestStump | 2023-11-20T09:35:04Z | 15 | 0 | null | [
"region:us"
] | 2023-11-20T09:35:04Z | 2023-11-20T09:34:45.000Z | 2023-11-20T09:34:45 | Entry not found | [
-0.3227645754814148,
-0.22568479180335999,
0.8622263669967651,
0.43461522459983826,
-0.52829909324646,
0.7012971639633179,
0.7915719747543335,
0.07618614286184311,
0.774603009223938,
0.2563217282295227,
-0.7852813005447388,
-0.22573819756507874,
-0.9104475975036621,
0.5715674161911011,
-... | null | null | null | null | null | null | null | null | null | null | null | null | null | |
RashmiMyneni/TrainingDataset | RashmiMyneni | 2023-11-21T10:09:17Z | 15 | 0 | null | [
"region:us"
] | 2023-11-21T10:09:17Z | 2023-11-21T10:08:08.000Z | 2023-11-21T10:08:08 | Entry not found | [
-0.3227645754814148,
-0.22568479180335999,
0.8622263669967651,
0.43461522459983826,
-0.52829909324646,
0.7012971639633179,
0.7915719747543335,
0.07618614286184311,
0.774603009223938,
0.2563217282295227,
-0.7852813005447388,
-0.22573819756507874,
-0.9104475975036621,
0.5715674161911011,
-... | null | null | null | null | null | null | null | null | null | null | null | null | null | |
BadreddineHug/badreddine_5M | BadreddineHug | 2023-11-21T12:40:35Z | 15 | 0 | null | [
"region:us"
] | 2023-11-21T12:40:35Z | 2023-11-21T12:40:34.000Z | 2023-11-21T12:40:34 | ---
dataset_info:
features:
- name: instruction
dtype: string
- name: context
dtype: string
- name: response
struct:
- name: Man
sequence: string
- name: Method
sequence: string
- name: Machine
sequence: string
- name: Material
sequence: string
- name: Measurement
sequence: string
splits:
- name: train
num_bytes: 62256
num_examples: 77
download_size: 33011
dataset_size: 62256
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---
| [
-0.12853367626667023,
-0.18616794049739838,
0.6529126763343811,
0.4943627417087555,
-0.19319313764572144,
0.23607443273067474,
0.36071979999542236,
0.05056338757276535,
0.5793654322624207,
0.7400138974189758,
-0.6508103013038635,
-0.23783987760543823,
-0.710224986076355,
-0.047825977206230... | null | null | null | null | null | null | null | null | null | null | null | null | null | |
Devdeshitha/testdataset1 | Devdeshitha | 2023-11-24T14:13:00Z | 15 | 0 | null | [
"region:us"
] | 2023-11-24T14:13:00Z | 2023-11-21T17:31:14.000Z | 2023-11-21T17:31:14 | Entry not found | [
-0.3227649927139282,
-0.225684255361557,
0.862226128578186,
0.43461498618125916,
-0.5282987952232361,
0.7012963891029358,
0.7915717363357544,
0.07618629932403564,
0.7746025919914246,
0.2563219666481018,
-0.7852816581726074,
-0.2257382869720459,
-0.9104480743408203,
0.5715669393539429,
-0... | null | null | null | null | null | null | null | null | null | null | null | null | null | |
dianaCerni/DatasetCompetitie | dianaCerni | 2023-11-22T18:05:31Z | 15 | 0 | null | [
"region:us"
] | 2023-11-22T18:05:31Z | 2023-11-21T20:56:07.000Z | 2023-11-21T20:56:07 | Entry not found | [
-0.3227649927139282,
-0.225684255361557,
0.862226128578186,
0.43461498618125916,
-0.5282987952232361,
0.7012963891029358,
0.7915717363357544,
0.07618629932403564,
0.7746025919914246,
0.2563219666481018,
-0.7852816581726074,
-0.2257382869720459,
-0.9104480743408203,
0.5715669393539429,
-0... | null | null | null | null | null | null | null | null | null | null | null | null | null | |
HamdanXI/paradetox-split | HamdanXI | 2023-11-21T22:36:13Z | 15 | 0 | null | [
"region:us"
] | 2023-11-21T22:36:13Z | 2023-11-21T22:36:10.000Z | 2023-11-21T22:36:10 | ---
dataset_info:
features:
- name: en_toxic_comment
dtype: string
- name: en_neutral_comment
dtype: string
splits:
- name: train
num_bytes: 2082140.019398298
num_examples: 19073
- name: test
num_bytes: 78390
num_examples: 671
download_size: 1237763
dataset_size: 2160530.019398298
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: test
path: data/test-*
---
| [
-0.12853367626667023,
-0.18616794049739838,
0.6529126763343811,
0.4943627417087555,
-0.19319313764572144,
0.23607443273067474,
0.36071979999542236,
0.05056338757276535,
0.5793654322624207,
0.7400138974189758,
-0.6508103013038635,
-0.23783987760543823,
-0.710224986076355,
-0.047825977206230... | null | null | null | null | null | null | null | null | null | null | null | null | null | |
Liberty-L/race_train | Liberty-L | 2023-11-22T07:23:38Z | 15 | 0 | null | [
"region:us"
] | 2023-11-22T07:23:38Z | 2023-11-22T07:23:06.000Z | 2023-11-22T07:23:06 | ---
dataset_info:
features:
- name: data_index_by_user
dtype: int64
- name: article
dtype: string
- name: answer
dtype: string
- name: question
dtype: string
- name: options
sequence: string
- name: input_ids
sequence:
sequence: int32
- name: token_type_ids
sequence:
sequence: int8
- name: attention_mask
sequence:
sequence: int8
- name: label
dtype: int64
splits:
- name: train
num_bytes: 170857353.97264022
num_examples: 15716
download_size: 55886476
dataset_size: 170857353.97264022
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---
| [
-0.1285339742898941,
-0.18616800010204315,
0.6529127359390259,
0.4943626821041107,
-0.1931934952735901,
0.2360742688179016,
0.360720157623291,
0.05056300014257431,
0.5793654322624207,
0.7400140166282654,
-0.6508105993270874,
-0.23783984780311584,
-0.7102248668670654,
-0.047826044261455536,... | null | null | null | null | null | null | null | null | null | null | null | null | null | |
michamcs/test | michamcs | 2023-11-23T18:11:10Z | 15 | 0 | null | [
"region:us"
] | 2023-11-23T18:11:10Z | 2023-11-23T18:11:08.000Z | 2023-11-23T18:11:08 | ---
dataset_info:
features:
- name: text
dtype: string
- name: summary
dtype: string
splits:
- name: train
num_bytes: 488032
num_examples: 362
download_size: 304691
dataset_size: 488032
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---
| [
-0.1285339742898941,
-0.18616800010204315,
0.6529127359390259,
0.4943626821041107,
-0.1931934952735901,
0.2360742688179016,
0.360720157623291,
0.05056300014257431,
0.5793654322624207,
0.7400140166282654,
-0.6508105993270874,
-0.23783984780311584,
-0.7102248668670654,
-0.047826044261455536,... | null | null | null | null | null | null | null | null | null | null | null | null | null | |
7Xan7der7/us_airline_sentiment | 7Xan7der7 | 2023-11-23T19:19:56Z | 15 | 0 | null | [
"region:us"
] | 2023-11-23T19:19:56Z | 2023-11-23T19:16:10.000Z | 2023-11-23T19:16:10 | Entry not found | [
-0.32276487350463867,
-0.22568444907665253,
0.8622263073921204,
0.43461570143699646,
-0.5282988548278809,
0.7012969255447388,
0.7915717363357544,
0.07618642598390579,
0.7746027112007141,
0.25632190704345703,
-0.7852815389633179,
-0.22573848068714142,
-0.910447895526886,
0.5715675354003906,... | null | null | null | null | null | null | null | null | null | null | null | null | null | |
iahlt/UD_Hebrew-IAHLTwiki | iahlt | 2023-11-23T20:05:08Z | 15 | 0 | null | [
"task_categories:token-classification",
"annotations_creators:expert-generated",
"language:he",
"license:cc-by-sa-4.0",
"constituency-parsing",
"dependency-parsing",
"arxiv:2210.07873",
"region:us"
] | 2023-11-23T20:05:08Z | 2023-11-23T19:59:23.000Z | 2023-11-23T19:59:23 | ---
license: cc-by-sa-4.0
annotations_creators:
- expert-generated
task_categories:
- token-classification
tags:
- constituency-parsing
- dependency-parsing
language:
- he
---
# Summary
Publicly available subset of the IAHLT UD Hebrew Treebank's Wikipedia section (https://www.iahlt.org/)
# Introduction
The UD Hebrew-IAHLTWiki treebank consists of 5,000 contemporary Hebrew sentences representing a variety of texts originating from Wikipedia entries, compiled by the [Israeli Association of Human Language Technology](https://www.iahlt.org/). It includes various text domains, such as: biography, law, finance, health, places, events and miscellaneous. The schema for the UD Hebrew-IAHLT treebank, from which the publicly available UD Hebrew-IAHLTWiki subset is derived, is based on the conversion of the Hebrew Treebank (HTB) into the latest UD V2 and is checked against the Universal Dependencies validator as of UD release V2.10, in addition to a range of additional validations using the grewv tool.
The HTB version used in the project was initially converted automatically, then a subset of the converted data was manually validated and adopted as a gold standard for training the model for UD parsing used in Hebrew-IAHLT. The entire parsed data has been manually edited to correct parsing errors, and was automatically QA'ed to apply corrections following updates in the schema.
# Acknowledgments
We would like to thank all the people who contributed to this corpus: Amir Zeldes, Hilla Merhav, Israel Landau, Netanel Dahan, Nick Howell, Noam Ordan, Omer Strass, Shira Wigderson, Yael Minerbi, Yifat Ben Moshe
## Usage
```bash
pip install conllu
```
```python
from datasets import load_dataset
dataset = load_dataset("iahlt/UD_Hebrew-IAHLTwiki")
```
## References
To cite this dataset please refer to the following paper:
Zeldes, Amir, Nick Howell, Noam Ordan and Yifat Ben Moshe (2022) [A Second Wave of UD Hebrew Treebanking and Cross-Domain Parsing](https://arxiv.org/abs/2210.07873). In: *Proceedings of EMNLP 2022*. Abu Dhabi, UAE.
```
@InProceedings{ZeldesHowellOrdanBenMoshe2022,
author = {Amir Zeldes and Nick Howell and Noam Ordan and Yifat Ben Moshe},
booktitle = {Proceedings of {EMNLP} 2022},
title = {A SecondWave of UD Hebrew Treebanking and Cross-Domain Parsing},
year = {2022},
address = {Abu Dhabi, UAE},
}
``` | [
-0.3003595471382141,
-0.7110745906829834,
-0.00547917140647769,
0.07843799889087677,
-0.23567843437194824,
-0.13300175964832306,
-0.17611722648143768,
-0.7068077325820923,
0.11055153608322144,
0.29080066084861755,
-0.4059045910835266,
-0.6280075907707214,
-0.38915902376174927,
0.1463521420... | null | null | null | null | null | null | null | null | null | null | null | null | null | |
YigitKoca/Turkish_HellaSwag | YigitKoca | 2023-11-23T20:54:45Z | 15 | 0 | null | [
"region:us"
] | 2023-11-23T20:54:45Z | 2023-11-23T20:29:27.000Z | 2023-11-23T20:29:27 | Entry not found | [
-0.32276472449302673,
-0.22568407654762268,
0.8622258901596069,
0.4346148371696472,
-0.5282984972000122,
0.7012965679168701,
0.7915717363357544,
0.07618629932403564,
0.7746022939682007,
0.2563222646713257,
-0.785281777381897,
-0.22573848068714142,
-0.9104482531547546,
0.5715669393539429,
... | null | null | null | null | null | null | null | null | null | null | null | null | null | |
Isaac45/menuwriter_alimentos_dt_1.2k | Isaac45 | 2023-11-25T04:46:53Z | 15 | 0 | null | [
"task_categories:text-generation",
"task_categories:question-answering",
"size_categories:1K<n<10K",
"language:es",
"license:apache-2.0",
"medical",
"region:us"
] | 2023-11-25T04:46:53Z | 2023-11-23T21:19:32.000Z | 2023-11-23T21:19:32 | ---
license: apache-2.0
task_categories:
- text-generation
- question-answering
language:
- es
tags:
- medical
pretty_name: menuwriter_alimentos_dt_1.2k
size_categories:
- 1K<n<10K
--- | [
-0.12853392958641052,
-0.18616779148578644,
0.6529127955436707,
0.49436280131340027,
-0.19319361448287964,
0.23607419431209564,
0.36072003841400146,
0.050563063472509384,
0.579365611076355,
0.7400140762329102,
-0.6508104205131531,
-0.23783954977989197,
-0.7102249264717102,
-0.0478260256350... | null | null | null | null | null | null | null | null | null | null | null | null | null | |
Konthee/en_thai_small | Konthee | 2023-11-24T09:08:18Z | 15 | 0 | null | [
"region:us"
] | 2023-11-24T09:08:18Z | 2023-11-24T03:22:52.000Z | 2023-11-24T03:22:52 | ---
dataset_info:
features:
- name: src_input_ids
sequence: int64
- name: src_attention_mask
sequence: int64
- name: trg_input_ids
sequence: int64
- name: trg_attention_mask
sequence: int64
splits:
- name: train
num_bytes: 2747840
num_examples: 1108
download_size: 89577
dataset_size: 2747840
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---
# Dataset Card for "en_thai_small"
[More Information needed](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards) | [
-0.6896165609359741,
-0.25925594568252563,
0.204975426197052,
0.27391406893730164,
-0.4230828583240509,
-0.2265399545431137,
-0.040112655609846115,
-0.1814652383327484,
1.0578049421310425,
0.5199458599090576,
-0.6401748657226562,
-0.7282615303993225,
-0.5409130454063416,
0.1046283766627311... | null | null | null | null | null | null | null | null | null | null | null | null | null | |
berardi6/birex-14.0-test | berardi6 | 2023-11-25T12:01:27Z | 15 | 0 | null | [
"region:us"
] | 2023-11-25T12:01:27Z | 2023-11-25T12:01:23.000Z | 2023-11-25T12:01:23 | ---
dataset_info:
features:
- name: text
dtype: string
splits:
- name: train
num_bytes: 688461
num_examples: 1488
download_size: 324985
dataset_size: 688461
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---
# Dataset Card for "birex-14.0-test"
[More Information needed](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards) | [
-0.7487199902534485,
-0.1971118152141571,
0.06397182494401932,
0.5554096102714539,
-0.24519255757331848,
-0.09528332203626633,
0.3117256760597229,
-0.26064756512641907,
0.450242280960083,
0.6010884642601013,
-0.8508474230766296,
-0.6001623868942261,
-0.5917401313781738,
0.11962401866912842... | null | null | null | null | null | null | null | null | null | null | null | null | null | |
CronosGhost/wikipedia_fr_snippets | CronosGhost | 2023-11-25T17:34:19Z | 15 | 0 | null | [
"license:mit",
"region:us"
] | 2023-11-25T17:34:19Z | 2023-11-25T17:23:50.000Z | 2023-11-25T17:23:50 | ---
license: mit
dataset_info:
features:
- name: url
dtype: string
- name: title
dtype: string
- name: text
dtype: string
splits:
- name: train
num_bytes: 8126467952
num_examples: 12138717
download_size: 4271960527
dataset_size: 8126467952
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---
| [
-0.12853392958641052,
-0.18616779148578644,
0.6529127955436707,
0.49436280131340027,
-0.19319361448287964,
0.23607419431209564,
0.36072003841400146,
0.050563063472509384,
0.579365611076355,
0.7400140762329102,
-0.6508104205131531,
-0.23783954977989197,
-0.7102249264717102,
-0.0478260256350... | null | null | null | null | null | null | null | null | null | null | null | null | null | |
sam1120/safety-utcustom-train-v1.0 | sam1120 | 2023-11-25T18:55:04Z | 15 | 0 | null | [
"region:us"
] | 2023-11-25T18:55:04Z | 2023-11-25T18:17:32.000Z | 2023-11-25T18:17:32 | ---
dataset_info:
features:
- name: name
dtype: string
- name: pixel_values
dtype: image
- name: labels
dtype: image
splits:
- name: train
num_bytes: 142272068.0
num_examples: 50
download_size: 43505341
dataset_size: 142272068.0
---
# Dataset Card for "safety-utcustom-train-v1.0"
[More Information needed](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards) | [
-0.49753525853157043,
0.03171151131391525,
0.1403498500585556,
0.3858330547809601,
-0.39863303303718567,
-0.1702095866203308,
0.19935113191604614,
-0.2761824131011963,
0.6666064858436584,
0.45107021927833557,
-0.986502468585968,
-0.7348010540008545,
-0.46190401911735535,
-0.455420941114425... | null | null | null | null | null | null | null | null | null | null | null | null | null | |
passionMan/mimic_tokenized_dataset_balanced | passionMan | 2023-11-27T02:09:44Z | 15 | 0 | null | [
"region:us"
] | 2023-11-27T02:09:44Z | 2023-11-27T02:08:52.000Z | 2023-11-27T02:08:52 | ---
dataset_info:
features:
- name: context
dtype: string
- name: label
dtype: int64
- name: input_ids
sequence: int32
- name: attention_mask
sequence: int8
splits:
- name: train
num_bytes: 1283535100
num_examples: 431743
- name: test
num_bytes: 427844521
num_examples: 143915
download_size: 231786541
dataset_size: 1711379621
---
# Dataset Card for "mimic_tokenized_dataset_balanced"
[More Information needed](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards) | [
-0.4428199529647827,
-0.3284912109375,
-0.15461255609989166,
0.4424537122249603,
-0.22650299966335297,
0.2037346363067627,
0.3333817422389984,
-0.22989916801452637,
1.102426290512085,
0.4248273968696594,
-0.8410537838935852,
-0.505649209022522,
-0.5078316926956177,
-0.14751458168029785,
... | null | null | null | null | null | null | null | null | null | null | null | null | null | |
jpcorb20/multidogo | jpcorb20 | 2022-10-20T18:33:00Z | 14 | 0 | null | [
"task_categories:text-classification",
"task_categories:other",
"task_ids:intent-classification",
"task_ids:dialogue-modeling",
"task_ids:slot-filling",
"task_ids:named-entity-recognition",
"annotations_creators:crowdsourced",
"language_creators:crowdsourced",
"multilinguality:monolingual",
"size_... | 2022-10-20T18:33:00Z | 2022-03-02T23:29:22.000Z | 2022-03-02T23:29:22 | ---
annotations_creators:
- crowdsourced
language_creators:
- crowdsourced
language:
- en
license:
- other
multilinguality:
- monolingual
pretty_name: multidogo
size_categories:
- 10k<n<100k
source_datasets:
- original
task_categories:
- text-classification
- sequence-modeling
- structure-prediction
- other
task_ids:
- intent-classification
- dialogue-modeling
- slot-filling
- named-entity-recognition
- other-other-my-task-description
---
MultiDoGo dialog dataset:
- paper: https://aclanthology.org/D19-1460/
- git repo: https://github.com/awslabs/multi-domain-goal-oriented-dialogues-dataset
*Abstract*
The need for high-quality, large-scale, goal-oriented dialogue datasets continues to grow as virtual assistants become increasingly wide-spread. However, publicly available datasets useful for this area are limited either in their size, linguistic diversity, domain coverage, or annotation granularity. In this paper, we present strategies toward curating and annotating large scale goal oriented dialogue data. We introduce the MultiDoGO dataset to overcome these limitations. With a total of over 81K dialogues harvested across six domains, MultiDoGO is over 8 times the size of MultiWOZ, the other largest comparable dialogue dataset currently available to the public. Over 54K of these harvested conversations are annotated for intent classes and slot labels. We adopt a Wizard-of-Oz approach wherein a crowd-sourced worker (the “customer”) is paired with a trained annotator (the “agent”). The data curation process was controlled via biases to ensure a diversity in dialogue flows following variable dialogue policies. We provide distinct class label tags for agents vs. customer utterances, along with applicable slot labels. We also compare and contrast our strategies on annotation granularity, i.e. turn vs. sentence level. Furthermore, we compare and contrast annotations curated by leveraging professional annotators vs the crowd. We believe our strategies for eliciting and annotating such a dialogue dataset scales across modalities and domains and potentially languages in the future. To demonstrate the efficacy of our devised strategies we establish neural baselines for classification on the agent and customer utterances as well as slot labeling for each domain.
## Licensing information
Community Data License Agreement – Permissive, Version 1.0. | [
-0.8295188546180725,
-0.7536547780036926,
0.25914266705513,
0.25690674781799316,
-0.04232393577694893,
0.020895401015877724,
-0.47759220004081726,
-0.4524495005607605,
0.10960601270198822,
0.879552960395813,
-0.5765966773033142,
-0.7116096615791321,
-0.3851059377193451,
0.03644709661602974... | null | null | null | null | null | null | null | null | null | null | null | null | null | |
keshan/wit-dataset | keshan | 2021-08-07T18:15:42Z | 14 | 1 | null | [
"region:us"
] | 2021-08-07T18:15:42Z | 2022-03-02T23:29:22.000Z | 2022-03-02T23:29:22 | https://github.com/google-research-datasets/wit
Wikipedia-based Image Text (WIT) Dataset is a large multimodal multilingual dataset.
WIT is composed of a curated set of 37.6 million entity rich image-text examples with 11.5 million unique images across 108 Wikipedia languages.
```
@article{srinivasan2021wit,
title={WIT: Wikipedia-based Image Text Dataset for Multimodal Multilingual Machine Learning},
author={Srinivasan, Krishna and Raman, Karthik and Chen, Jiecao and Bendersky, Michael and Najork, Marc},
journal={arXiv preprint arXiv:2103.01913},
year={2021}
}
``` | [
-0.32707133889198303,
-0.7305187582969666,
0.2786062955856323,
0.011052398011088371,
-0.09204340726137161,
-0.19950279593467712,
-0.4501000642776489,
-0.6056061387062073,
0.35633137822151184,
0.07660862058401108,
-0.6999473571777344,
-0.4570002853870392,
-0.4462801218032837,
0.264364451169... | null | null | null | null | null | null | null | null | null | null | null | null | null | |
lewtun/s3prl-sd-dummy | lewtun | 2021-07-26T23:17:53Z | 14 | 0 | null | [
"region:us"
] | 2021-07-26T23:17:53Z | 2022-03-02T23:29:22.000Z | 2022-03-02T23:29:22 | Entry not found | [
-0.32276472449302673,
-0.22568407654762268,
0.8622258901596069,
0.4346148371696472,
-0.5282984972000122,
0.7012965679168701,
0.7915717363357544,
0.07618629932403564,
0.7746022939682007,
0.2563222646713257,
-0.785281777381897,
-0.22573848068714142,
-0.9104482531547546,
0.5715669393539429,
... | null | null | null | null | null | null | null | null | null | null | null | null | null | |
lhoestq/conll2003 | lhoestq | 2021-12-21T11:23:57Z | 14 | 0 | null | [
"region:us"
] | 2021-12-21T11:23:57Z | 2022-03-02T23:29:22.000Z | 2022-03-02T23:29:22 | Entry not found | [
-0.32276472449302673,
-0.22568407654762268,
0.8622258901596069,
0.4346148371696472,
-0.5282984972000122,
0.7012965679168701,
0.7915717363357544,
0.07618629932403564,
0.7746022939682007,
0.2563222646713257,
-0.785281777381897,
-0.22573848068714142,
-0.9104482531547546,
0.5715669393539429,
... | null | null | null | null | null | null | null | null | null | null | null | null | null | |
marinone94/nst_no | marinone94 | 2022-02-04T23:04:16Z | 14 | 0 | null | [
"region:us"
] | 2022-02-04T23:04:16Z | 2022-03-02T23:29:22.000Z | 2022-03-02T23:29:22 | "This database was created by Nordic Language Technology for the development of automatic speech recognition and dictation in Swedish. In this updated version, the organization of the data have been altered to improve the usefulness of the database.
In the original version of the material, the files were organized in a specific folder structure where the folder names were meaningful. However, the file names were not meaningful, and there were also cases of files with identical names in different folders. This proved to be impractical, since users had to keep the original folder structure in order to use the data. The files have been renamed, such that the file names are unique and meaningful regardless of the folder structure. The original metadata files were in spl format. These have been converted to JSON format. The converted metadata files are also anonymized and the text encoding has been converted from ANSI to UTF-8.
See the documentation file for a full description of the data and the changes made to the database." - dataset originally available at https://www.nb.no/sprakbanken/en/resource-catalogue/oai-nb-no-sbr-54/
Full documentation in english available at https://www.nb.no/sbfil/talegjenkjenning/16kHz_2020/no_2020/no-16khz_reorganized_english.pdf
In 🤗 datasets, this dataset will have a structure similar to common_voice. TO BE UPDATED. | [
-0.42629215121269226,
-0.49538955092430115,
0.1165134608745575,
0.11160173267126083,
-0.452936053276062,
-0.01714327000081539,
-0.1548912078142166,
-0.4725784659385681,
0.25110071897506714,
0.7654040455818176,
-0.6654117107391357,
-0.6217986941337585,
-0.38750264048576355,
0.37879374623298... | null | null | null | null | null | null | null | null | null | null | null | null | null |
Subsets and Splits
No community queries yet
The top public SQL queries from the community will appear here once available.