您尚未登录账户请先登录您的atyun账户，方可使用该功能
您的企业账号申请正在审核中审核通过后即可使用此功能，请耐心等待~
数据集:
csebuetnlp/BanglaParaphrase
任务:
文生文
语言:
bn
计算机处理:
monolingual大小:
100K<n<1M语言创建人:
found批注创建人:
found源数据集:
original预印本库:
arxiv:2210.05109许可:
cc-by-nc-sa-4.0
英文"BanglaParaphrase" 数据集卡片
数据集概要
我们提供了 BanglaParaphrase 数据集，这是一个包含约466k个孟加拉语同义词对的高质量合成数据集。这些同义词对通过语义上的连贯性和句法上的多样性来保证高质量。
支持的任务和排行榜
语言
- 孟加拉语
加载数据集
from datasets import load_dataset
from datasets import load_dataset
ds = load_dataset("csebuetnlp/BanglaParaphrase")
数据集结构
数据实例
下面以JSON格式给出数据集中train部分的一个例子。
{
"source": "বেশিরভাগ সময় প্রকৃতির দয়ার ওপরেই বেঁচে থাকতেন উপজাতিরা।",
"target": "বেশিরভাগ সময়ই উপজাতিরা প্রকৃতির দয়ার উপর নির্ভরশীল ছিল।"
}
数据字段
- 'source'：表示源句子的字符串。
- 'target'：表示目标句子的字符串。
数据切分
数据集中train-dev-test示例计数如下：
| Language | ISO 639-1 Code | Train | Validation | Test |
|---|---|---|---|---|
| Bengali | bn | 419, 967 | 233, 31 | 233, 32 |
数据集创建
策划理由
原始数据
初始数据收集和规范化 源语言产生者是谁？注释
注释过程 注释者是谁？个人和敏感信息
使用数据的注意事项
数据的社会影响
对偏见的讨论
其他已知限制
附加信息
数据集策划人
许可信息
本仓库的内容仅限于非商业研究目的，数据集内容的版权属于原始版权所有者。
引用信息
@article{akil2022banglaparaphrase,
title={BanglaParaphrase: A High-Quality Bangla Paraphrase Dataset},
author={Akil, Ajwad and Sultana, Najrin and Bhattacharjee, Abhik and Shahriyar, Rifat},
journal={arXiv preprint arXiv:2210.05109},
year={2022}
}