Datasets:
Tasks:
Text Generation
Modalities:
Text
Formats:
parquet
Languages:
French
Size:
10K - 100K
License:
File size: 4,667 Bytes
2556771 775fd43 ba4c9fa 775fd43 2556771 775fd43 f845ee2 db122e1 775fd43 f845ee2 775fd43 2b66d29 775fd43 |
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 |
---
language:
- fr
license:
- cc-by-4.0
size_categories:
- 10K<n<100K
task_categories:
- text-generation
tags:
- data-to-text
- DFP
- french prompts
annotations_creators:
- found
language_creators:
- found
multilinguality:
- monolingual
source_datasets:
- taln-ls2n/taln-archives
---
# taln-archives_fr_prompt_data_to_text
## Summary
**taln-archives_fr_prompt_data_to_text** is a subset of the [**Dataset of French Prompts (DFP)**](https://huggingface.co/datasets/CATIE-AQ/DFP).
It contains **35,370** rows that can be used for a data-to-text task.
The original data (without prompts) comes from the dataset [taln-archives](https://huggingface.co/datasets/taln-ls2n/taln-archives).
A list of prompts (see below) was then applied in order to build the input and target columns and thus obtain the same format as the [xP3](https://huggingface.co/datasets/bigscience/xP3) dataset by Muennighoff et al.
## Prompts used
### List
30 prompts were created for this dataset. The logic applied consists in proposing prompts in the indicative tense, in the form of tutoiement and in the form of vouvoiement.
```
'Assembler les concepts suivants pour former une phrase : "'+concepts+'".',
'Assemble les concepts suivants pour former une phrase : "'+concepts+'".',
'Assemblez les concepts suivants pour former une phrase : "'+concepts+'".',
'Étant donné la liste des concepts : "'+concepts+'". Générer une phrase avec tous les concepts : ',
'Étant donné la liste des concepts : "'+concepts+'". Génère une phrase avec tous les concepts : ',
'Étant donné la liste des concepts : "'+concepts+'". Générez une phrase avec tous les concepts : ',
'Convertir les concepts en une phrase : "'+concepts+'".',
'Convertis les concepts en une phrase : "'+concepts+'".',
'Convertissez les concepts en une phrase : "'+concepts+'".',
'Combiner tous les concepts suivants dans un texte concis et grammaticalement correct "'+concepts+'". Texte : ',
'Combine tous les concepts suivants dans un texte concis et grammaticalement correct "'+concepts+'". Texte : ',
'Combinez tous les concepts suivants dans un texte concis et grammaticalement correct "'+concepts+'". Texte : ',
'Générer une phrase à partir des informations fournies ci-contre : "'+concepts+'".',
'Génère une phrase à partir des informations fournies ci-contre : "'+concepts+'".',
'Générez une phrase à partir des informations fournies ci-contre : "'+concepts+'".',
'Verbaliser les concepts suivants séparés par une virgule : "'+concepts+'".',
'Verbalise les concepts suivants séparés par une virgule : "'+concepts+'".',
'Verbalisez les concepts suivants séparés par une virgule : "'+concepts+'".',
'Générer un texte intégrant les concepts suivants '+concepts+'". Texte :',
'Génère un texte intégrant les concepts suivants '+concepts+'". Texte :',
'Générez un texte intégrant les concepts suivants '+concepts+'". Texte :',
'"'+concepts+'". Ecrire 1 à 5 phrases sur les concepts précédents.',
'"'+concepts+'". Ecris 1 à 5 phrases sur les concepts précédents.',
'"'+concepts+'". Ecrivez 1 à 5 phrases sur les concepts précédents.',
'Rédiger un texte avec : "'+concepts+'".',
'Rédige un texte avec : "'+concepts+'".',
'Rédigez un texte avec : "'+concepts+'".',
'Écrire un texte sur les concepts suivants : "'+concepts+'".',
'Écris un texte sur les concepts suivants : "'+concepts+'".',
'Écrivez un texte sur les concepts suivants : "'+concepts+'".',
```
# Splits
- `train` with 35,370 samples
- no `valid` split
- no `test` split
# How to use?
```
from datasets import load_dataset
dataset = load_dataset("CATIE-AQ/taln-archives_fr_prompt_data_to_text")
```
# Citation
## Original data
> - (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/
## This Dataset
## License
cc-by-4.0 |