|
--- |
|
language: |
|
- fr |
|
license: cc-by-sa-4.0 |
|
size_categories: |
|
- 10K<n<100K |
|
task_categories: |
|
- fill-mask |
|
--- |
|
|
|
# orange_sum_fr_prompt_fill_mask |
|
|
|
## Summary |
|
|
|
**orange_sum_fr_prompt_fill_mask** is a subset of the [**Dataset of French Prompts (DFP)**](). |
|
It contains **48,069** 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 48,069 samples |
|
- no valid and test splits in the original data |
|
|
|
|
|
# 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 |
|
|
|
|
|
|
|
## License |
|
CC-BY-SA-4.0 |
|
|
