activo

  • Descripción :

ASSET es un conjunto de datos para evaluar sistemas de simplificación de oraciones con múltiples transformaciones de reescritura, como se describe en "ASSET: un conjunto de datos para ajustar y evaluar modelos de simplificación de oraciones con múltiples transformaciones de reescritura". El corpus está compuesto por 2000 oraciones originales de validación y 359 de prueba, cada una de las cuales fue simplificada 10 veces por diferentes anotadores. El corpus también contiene juicios humanos de preservación del significado, fluidez y simplicidad para los resultados de varios sistemas automáticos de simplificación 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",
}

activo/simplificación (configuración predeterminada)

  • Descripción de la configuración : un conjunto de oraciones originales alineadas con 10 posibles simplificaciones para cada una.

  • Tamaño del conjunto de datos : 2.64 MiB

  • Divisiones :

Separar Ejemplos
'test' 359
'validation' 2,000
  • Estructura de características :
FeaturesDict({
    'original': Text(shape=(), dtype=string),
    'simplifications': Sequence(Text(shape=(), dtype=string)),
})
  • Documentación de características :
Rasgo Clase Forma Tipo D Descripción
CaracterísticasDict
original Texto cuerda
simplificaciones Secuencia (Texto) (Ninguna,) cuerda

activo/calificaciones

  • Descripción de la configuración : Calificaciones humanas de simplificación de texto producido automáticamente.

  • Tamaño del conjunto de datos : 1.44 MiB

  • Divisiones :

Separar Ejemplos
'full' 4500
  • Estructura de características :
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,
})
  • Documentación de características :
Rasgo Clase Forma Tipo D Descripción
CaracterísticasDict
aspecto Etiqueta de clase int64
original Texto cuerda
original_sentence_id Tensor int32
clasificación Tensor int32
simplificación Texto cuerda
trabajador_id Tensor int32