File size: 4,062 Bytes
ca7c5f7 285d830 ca7c5f7 285d830 ca7c5f7 285d830 ca7c5f7 285d830 ca7c5f7 b5f017c ca7c5f7 |
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 99 100 101 102 |
---
language:
- fr
license: cc-by-sa-4.0
size_categories:
- 100K<n<1M
task_categories:
- fill-mask
tags:
- DFP
- french prompts
annotations_creators:
- found
language_creators:
- found
multilinguality:
- monolingual
source_datasets:
- orange_sum
---
# orange_sum_fr_prompt_fill_mask
## Summary
**orange_sum_fr_prompt_fill_mask** is a subset of the [**Dataset of French Prompts (DFP)**](https://huggingface.co/datasets/CATIE-AQ/DFP).
It contains **585,624** rows that can be used for a fill mask task.
The original data (without prompts) comes from the dataset [orange_sum](https://huggingface.co/datasets/orange_sum) by Eddine et al.
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
24 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.
```
'Remplacer le <mask> dans le texte suivant par le mot le plus vraisemblable : '+text,
'Remplace le <mask> dans le texte suivant par le mot le plus vraisemblable : '+text,
'Remplacez le <mask> dans le texte suivant par le mot le plus vraisemblable : '+text,
'Remplacer le <mask> dans le texte suivant par le mot le plus probable : '+text,
'Remplace le <mask> dans le texte suivant par le mot le plus probable : '+text,
'Remplacez le <mask> dans le texte suivant par le mot le plus probable : '+text,
'Substituer le <mask> dans le texte suivant par le mot le plus vraisemblable : '+text,
'Substitue le <mask> dans le texte suivant par le mot le plus vraisemblable : '+text,
'Substituez le <mask> dans le texte suivant par le mot le plus vraisemblable : '+text,
'Substituer le <mask> dans le texte suivant par le mot le plus probable : '+text,
'Substitue le <mask> dans le texte suivant par le mot le plus probable : '+text,
'Substituez le <mask> dans le texte suivant par le mot le plus probable : '+text,
'Changer le <mask> dans le texte suivant par le mot le plus vraisemblable : '+text,
'Change le <mask> dans le texte suivant par le mot le plus vraisemblable : '+text,
'Changez le <mask> dans le texte suivant par le mot le plus vraisemblable : '+text,
'Changer le <mask> dans le texte suivant par le mot le plus probable : '+text,
'Change le <mask> dans le texte suivant par le mot le plus probable : '+text,
'Changez le <mask> dans le texte suivant par le mot le plus probable : '+text,
'Transformer le <mask> dans le texte suivant par le mot le plus vraisemblable : '+text,
'Transforme le <mask> dans le texte suivant par le mot le plus vraisemblable : '+text,
'Transformez le <mask> dans le texte suivant par le mot le plus vraisemblable : '+text,
'Transformer le <mask> dans le texte suivant par le mot le plus probable : '+text,
'Transforme le <mask> dans le texte suivant par le mot le plus probable : '+text,
'Transformez le <mask> dans le texte suivant par le mot le plus probable : '+text,
```
# Splits
- `train` with 513,624 samples
- `valid` with 36,000 samples
- `test` with 36,000 samples
# How to use?
```
from datasets import load_dataset
dataset = load_dataset("CATIE-AQ/orange_sum_fr_prompt_fill_mask")
```
# Citation
## Original data
> @article{eddine2020barthez,
title={BARThez: a Skilled Pretrained French Sequence-to-Sequence Model},
author={Eddine, Moussa Kamal and Tixier, Antoine J-P and Vazirgiannis, Michalis},
journal={arXiv preprint arXiv:2010.12321},
year={2020}
}
## This Dataset
> @misc {centre_aquitain_des_technologies_de_l'information_et_electroniques_2023,
author = { {Centre Aquitain des Technologies de l'Information et Electroniques} },
title = { DFP (Revision 1d24c09) },
year = 2023,
url = { https://huggingface.co/datasets/CATIE-AQ/DFP },
doi = { 10.57967/hf/1200 },
publisher = { Hugging Face }
}
## License
CC-BY-SA-4.0
|