language:
- fr
license:
- unknown
size_categories:
- 10K<n<100K
task_categories:
- token-classification
tags:
- ner
multinerd_fr_prompt_ner
Summary
multinerd_fr_prompt_ner is a subset of the Dataset of French Prompts (DFP). It contains X rows that can be used for a name entity recognition task. The original data (without prompts) comes from the dataset multinerd by Tedeschi 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 dataset by Muennighoff et al.
Prompts used
List
21 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.
'Extraire les classes des mots du texte suivant : '+text,
'Extrais les entitées nommées du texte suivant : '+text,
'Extrayez les entitées nommées du texte suivant : '+text,
'Isoler les entitées nommées du texte suivant : '+text,
'Isole les entitées nommées du texte suivant : '+text,
'Isolez les entitées nommées du texte suivant : '+text,
'Dégager des entitées nommées dans le texte : '+text,
'Dégage des entitées nommées dans le texte : '+text,
'Dégagez des entitées nommées dans le texte : '+text,
'Générer des entitées nommées issues du texte suivant : '+text,
'Génère des entitées nommées issues du texte suivant : '+text,
'Générez des entitées nommées issues du texte suivant : '+text,
'Trouver les entitées nommées du texte : '+text,
'Trouve les entitées nommées du texte : '+text,
'Trouvez les entitées nommées du texte : '+text,
'Repérer les entitées nommées présentes dans le texte suivant : '+text,
'Repère les entitées nommées présentes dans le texte suivant : '+text,
'Repérez les entitées nommées présentes dans le texte suivant : '+text,
'Indiquer les entitées nommées du texte :'+text,
'Indique les entitées nommées du texte : '+text,
'Indiquez les entitées nommées du texte : '+text
Features used in the prompts
In the prompt list above, text and targets have been constructed from:
multinerd = load_dataset('tner/multinerd','fr')
multinerd['test']['tokens'] = list(map(lambda i: ' '.join(multinerd['test']['tokens'][i]), range(len(multinerd['test']['tokens']))))
multinerd['test']['tags'] = list(map(lambda x: x.replace("[","").replace("]","").replace('10','O').replace('11','O').replace('12','O').replace('13','O').replace('14','O').replace('15','O').replace('16','O').replace('17','O').replace('18','O').replace('19','O').replace('20','O').replace('21','O').replace('22','O').replace('23','O').replace('24','O').replace('25','O').replace('26','O').replace('27','O').replace('28','O').replace('29','O').replace('30','O').replace('31','O').replace('32','O').replace('33','O').replace('34','O').replace('0','O').replace('1','B-PER').replace('2','I-PER').replace('3','B-LOC').replace('4','I-LOC').replace('5','B-ORG').replace('6','I-ORG').replace('7','O').replace('8','O').replace('9','O'), map(str, multinerd['test']['tags'])))
Splits
- train with X samples
- dev with Y samples
- test with Z samples
How to use?
from datasets import load_dataset
dataset = load_dataset("CATIE-AQ/multinerd_fr_prompt_ner")
Citation
Original data
@inproceedings{tedeschi-navigli-2022-multinerd, title = "{M}ulti{NERD}: A Multilingual, Multi-Genre and Fine-Grained Dataset for Named Entity Recognition (and Disambiguation)", author = "Tedeschi, Simone and Navigli, Roberto", booktitle = "Findings of the Association for Computational Linguistics: NAACL 2022", month = jul, year = "2022", address = "Seattle, United States", publisher = "Association for Computational Linguistics", url = "https://aclanthology.org/2022.findings-naacl.60", doi = "10.18653/v1/2022.findings-naacl.60", pages = "801--812", }
This Dataset
License
Unknow