SuryaKrishna02 commited on
Commit
ff456c6
1 Parent(s): 11907d4

Updated README.md with template mapping details

Browse files
Files changed (1) hide show
  1. README.md +15 -17
README.md CHANGED
@@ -57,26 +57,24 @@ Telugu is a low-resource language where there no paraphase generation instruct-s
57
  ## Sources
58
  - **[ai4bharat/IndicXParaphrase](https://huggingface.co/datasets/ai4bharat/IndicXParaphrase/viewer/te/test)**: Converted this dataset into Instruct-style prompts and completions.
59
 
 
 
 
 
 
 
60
  ## Templates
61
- For the creation of instruct-style prompts and completions from the original dataset, the following one templates was used:
62
  1. Given a sentence, generate a sentence with similar meaning.
63
- ```python
64
- Prompt:
65
- ("ఈ క్రింది వాక్యం మరోరీతిలో రాయి:" /
66
- "ఈ వాక్యం మరోరీతిలో రాయి:" /
67
- "ఈ వాక్యం మరోరీతిలో రాయి:" /
68
- "ఈ క్రింది వాక్యం ఇంకొలాగా రాయి:" /
69
- "ఈ వాక్యం ఇంకొలాగా రాయి:" /
70
- "ఈ వాక్యం ఇంకొలాగా రాయి:" /
71
- "ఈ క్రింది వాక్యం మరోరకంగా రాయి:" /
72
- "ఈ వాక్యం మరోరకంగా రాయి:" /
73
- "ఈ వాక్యం మరోరకంగా రాయి:")
74
- {{Original Sentence}}
75
-
76
- Completion:
77
- {{Paraphrased Sentence}}
78
- ```
79
 
 
 
 
 
 
 
 
 
80
 
81
  ## Personal or Sensitive Data
82
  This dataset contains public information. To our knowledge, there are no private person’s personal identifiers or sensitive information.
 
57
  ## Sources
58
  - **[ai4bharat/IndicXParaphrase](https://huggingface.co/datasets/ai4bharat/IndicXParaphrase/viewer/te/test)**: Converted this dataset into Instruct-style prompts and completions.
59
 
60
+ ## Data Fields
61
+ - `inputs` : Prompt or input to the language model.
62
+ - `targets` : Completion or output of the language model.
63
+ - `template_id` : Id of the template used in `inputs` and `targets`.
64
+ - `template_lang`: ISO code of the language used in the `inputs` and `targets` where *tel* refers to Telugu.
65
+
66
  ## Templates
67
+ For the creation of instruct-style prompts and completions from the original dataset, the following one template category with different variations were used:
68
  1. Given a sentence, generate a sentence with similar meaning.
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
69
 
70
+ | template_id | inputs | targets |
71
+ |-------------|--------|---------|
72
+ | 1 | ```ఈ క్రింది వాక్యం మరోరీతిలో రాయి:\n{{Original Sentence}}``` | ```{{Paraphrased Sentence}}``` |
73
+ | 2 | ```ఈ వాక్యం మరోరీతిలో రాయి: {Original Sentence}}``` | ```{{Paraphrased Sentence}}``` |
74
+ | 3 | ```ఈ క్రింది వాక్యం ఇంకొలాగా రాయి:\n{{Original Sentence}}``` | ```{{Paraphrased Sentence}}``` |
75
+ | 4 | ```ఈ వాక్యం ఇంకొలాగా రాయి: {{Original Sentence}}``` | ```{{Paraphrased Sentence}}``` |
76
+ | 5 | ```ఈ క్రింది వాక్యం మరోరకంగా రాయి:\n{{Original Sentence}}``` | ```{{Paraphrased Sentence}}``` |
77
+ | 6 | ```ఈ వాక్యం మరోరకంగా రాయి: {{Original Sentence}}``` | ```{{Paraphrased Sentence}}``` |
78
 
79
  ## Personal or Sensitive Data
80
  This dataset contains public information. To our knowledge, there are no private person’s personal identifiers or sensitive information.