de ativos

  • Descrição :

ASSET é um conjunto de dados para avaliação de sistemas de simplificação de sentenças com várias transformações de reescrita, conforme descrito em "ASSET: um conjunto de dados para ajuste e avaliação de modelos de simplificação de sentenças com várias transformações de reescrita". O corpus é composto por 2.000 validações e 359 sentenças originais de teste, cada uma simplificada 10 vezes por diferentes anotadores. O corpus também contém julgamentos humanos de preservação de significado, fluência e simplicidade para as saídas de vários sistemas automáticos de simplificação de texto.

@inproceedings{alva-manchego-etal-2020-asset,
    title = "{ASSET}: {A} Dataset for Tuning and Evaluation of Sentence Simplification Models with Multiple Rewriting Transformations",
    author = "Alva-Manchego, Fernando  and
      Martin, Louis  and
      Bordes, Antoine  and
      Scarton, Carolina  and
      Sagot, Benoit  and
      Specia, Lucia",
    booktitle = "Proceedings of the 58th Annual Meeting of the Association for Computational Linguistics",
    month = jul,
    year = "2020",
    address = "Online",
    publisher = "Association for Computational Linguistics",
    url = "https://www.aclweb.org/anthology/2020.acl-main.424",
    pages = "4668--4679",
}

recurso/simplificação (configuração padrão)

  • Descrição da configuração : Um conjunto de frases originais alinhadas com 10 possíveis simplificações para cada uma.

  • Tamanho do conjunto de dados : 2.64 MiB

  • Divisões :

Dividir Exemplos
'test' 359
'validation' 2.000
  • Estrutura de recursos :
FeaturesDict({
    'original': Text(shape=(), dtype=string),
    'simplifications': Sequence(Text(shape=(), dtype=string)),
})
  • Documentação do recurso:
Característica Classe Forma Tipo D Descrição
RecursosDict
original Texto corda
simplificações Sequência (Texto) (Nenhum,) corda

ativos/avaliações

  • Descrição da configuração : avaliações humanas de simplificação de texto produzida automaticamente.

  • Tamanho do conjunto de dados : 1.44 MiB

  • Divisões :

Dividir Exemplos
'full' 4.500
  • Estrutura de recursos :
FeaturesDict({
    'aspect': ClassLabel(shape=(), dtype=int64, num_classes=3),
    'original': Text(shape=(), dtype=string),
    'original_sentence_id': int32,
    'rating': int32,
    'simplification': Text(shape=(), dtype=string),
    'worker_id': int32,
})
  • Documentação do recurso:
Característica Classe Forma Tipo D Descrição
RecursosDict
aspecto ClassLabel int64
original Texto corda
original_frase_id tensor int32
Avaliação tensor int32
simplificação Texto corda
trabalhador_id tensor int32