---
language:
- fr
license:
- cc-by-nc-4.0
size_categories:
- 1M<n<10M
task_categories:
- summarization
tags:
- textual-simplification
- DFP
- french prompts
annotations_creators:
- found
language_creators:
- found
multilinguality:
- monolingual
source_datasets:
- bisect
---

# bisect_fr_prompt_textual_simplification
## Summary

**bisect_fr_prompt_textual_simplification** is a subset of the [**Dataset of French Prompts (DFP)**](https://huggingface.co/datasets/CATIE-AQ/DFP).  
It contains **9,889,420** rows that can be used for a textual simplification task.  
The original data (without prompts) comes from the dataset [BiSECT](https://huggingface.co/datasets/GEM/BiSECT) by Kim et al. where only the French part has been kept.  
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
20 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.

```
'Simplifier la phrase suivante en la divisant tout en conservant son sens complet : "'+source+'" Version simplifiée : ',    
'Simplifie la phrase suivante en la divisant tout en conservant son sens complet : "'+source+'" Version simplifiée : ',    
'Simplifiez la phrase suivante en la divisant tout en conservant son sens complet : "'+source+'" Version simplifiée : ',  
'Alléger la phrase suivante en la divisant tout en conservant son sens complet : "'+source+'" Version simplifiée : ',  
'Allège la phrase suivante en la divisant tout en conservant son sens complet : "'+source+'" Version simplifiée : ',  
'Allégez la phrase suivante en la divisant tout en conservant son sens complet : "'+source+'" Version simplifiée : ',  
'Clarifier la phrase suivante en la divisant tout en conservant son sens complet : "'+source+'" Version simplifiée : ',  
'Clarifie la phrase suivante en la divisant tout en conservant son sens complet : "'+source+'" Version simplifiée : ',  
'Clarifiez la phrase suivante en la divisant tout en conservant son sens complet : "'+source+'" Version simplifiée : ',  
'"'+source+'" La phrase ci-dessus est trop compliquée. Fournir une version simplifiée composée de plusieurs phrases : ',  
'"'+source+'" La phrase ci-dessus est trop compliquée. Fournis une version simplifiée composée de plusieurs phrases : ',  
'"'+source+'" La phrase ci-dessus est trop compliquée. Fournissez une version simplifiée composée de plusieurs phrases : ',  
'"'+source+'" Cette phrase est difficile à comprendre. Une version plus simple avec une signification équivalente est la suivante : ',  
'"'+source+'" Cette phrase est difficile à comprendre. Une version moins complexe avec une signification équivalente est la suivante : ',  
'"'+source+'" Cette phrase est difficile à comprendre. Une version plus légère avec une signification équivalente est la suivante : ',  
'"'+source+'" Cette phrase est difficile à comprendre. Une version épurée avec une signification équivalente est la suivante : ',  
'"'+source+'" Cette phrase est lourde. Une version plus simple avec une signification équivalente est la suivante : ',  
'"'+source+'" Cette phrase est lourde. Une version moins complexe avec une signification équivalente est la suivante : ',  
'"'+source+'" Cette phrase est lourde. Une version plus légère avec une signification équivalente est la suivante : ',  
'"'+source+'" Cette phrase est lourde. Une version épurée avec une signification équivalente est la suivante : ' 
```

### Features used in the prompts
In the prompt list above, `source` and `targets` have been constructed from:
```
bisect = load_dataset('GEM/BiSECT','fr')
source = bisect['train'][i]['source'].replace(' . ','. ').replace(' .','. ').replace(' , ',', ').replace(', ',', ').replace('_SPLIT_','')[:-1]
targets = bisect['train'][i]['target'].replace(' . ','. ').replace(' .','. ').replace(' , ',', ').replace(', ',', ').replace(' _SPLIT_','')[:-1]
```


# Splits
- `train` with 9,820,700 samples
- `valid` with 48,000 samples
- `test` with 20,720 samples



# How to use?
```
from datasets import load_dataset
dataset = load_dataset("CATIE-AQ/bisect_fr_prompt_textual_simplification")
```

# Citation
## Original data
```
 @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}
}
```


## This Dataset
```
@misc {centre_aquitain_des_technologies_de_l'information_et_electroniques_2023,   
    author       = { {BOURDOIS, Loïck} },  
    organization  = { {Centre Aquitain des Technologies de l'Information et Electroniques} },  
    title        = { Dataset of French Prompts (DFP) (Revision 1d24c09) },  
    year         = 2023,  
    url          = { https://huggingface.co/datasets/CATIE-AQ/DFP },  
    doi          = { 10.57967/hf/1200 },  
    publisher    = { Hugging Face } }
```



## License
cc-by-nc-4.0