Datasets:
Tasks:
Text Generation
Modalities:
Text
Formats:
parquet
Languages:
French
Size:
10K - 100K
License:
| language: | |
| - fr | |
| license: | |
| - cc-by-4.0 | |
| size_categories: | |
| - 10K<n<100K | |
| task_categories: | |
| - text-generation | |
| tags: | |
| - keywords-extraction | |
| - DFP | |
| - french prompts | |
| annotations_creators: | |
| - found | |
| language_creators: | |
| - found | |
| multilinguality: | |
| - monolingual | |
| source_datasets: | |
| - taln-ls2n/taln-archives | |
| # taln-archives_fr_prompt_keywords_extraction | |
| ## Summary | |
| **taln-archives_fr_prompt_keywords_extraction** is a subset of the [**Dataset of French Prompts (DFP)**](https://huggingface.co/datasets/CATIE-AQ/DFP). | |
| It contains **24,507** rows that can be used for a keywords_extraction task. | |
| The original data (without prompts) comes from the dataset [taln-archives](https://huggingface.co/datasets/taln-ls2n/taln-archives). | |
| 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 | |
| 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 mots clés importants du texte suivant : '+text, | |
| 'Extrais les mots clés importants du texte suivant : '+text, | |
| 'Extrayez les mots clés importants du texte suivant : '+text, | |
| 'Isoler les mots clés importants du texte suivant : '+text, | |
| 'Isole les mots clés importants du texte suivant : '+text, | |
| 'Isolez les mots clés importants du texte suivant : '+text, | |
| 'Dégager des mots clés dans le texte : '+text, | |
| 'Dégage des mots clés dans le texte : '+text, | |
| 'Dégagez des mots clés dans le texte : '+text, | |
| 'Générer des mots clés issus du texte suivant : '+text, | |
| 'Génère des mots clés issus du texte suivant : '+text, | |
| 'Générez des mots clés issus du texte suivant : '+text, | |
| 'Trouver les mots clés du texte : '+text, | |
| 'Trouve les mots clés du texte : '+text, | |
| 'Trouvez les mots clés du texte : '+text, | |
| 'Repérer les mots clés importants présents dans le texte suivant : '+text, | |
| 'Repère les mots clés importants présents dans le texte suivant : '+text, | |
| 'Repérez les mots clés importants présents dans le texte suivant : '+text, | |
| 'Indiquer les mots clés du texte : '+text, | |
| 'Indiquer les mots clés du texte : '+text, | |
| 'Indiquer les mots clés du texte : '+text | |
| ``` | |
| # Splits | |
| - `train` with 24,507 samples | |
| - no `valid` split | |
| - no `test` split | |
| # How to use? | |
| ``` | |
| from datasets import load_dataset | |
| dataset = load_dataset("CATIE-AQ/taln-archives_fr_prompt_keywords_extraction") | |
| ``` | |
| # Citation | |
| ## Original data | |
| > - (Boudin, 2013) Florian Boudin. 2013. | |
| [TALN Archives : a digital archive of French research articles in Natural Language Processing (TALN Archives : une archive numérique francophone des articles de recherche en Traitement Automatique de la Langue) [in French]][boudin-2013]. | |
| In Proceedings of TALN 2013 (Volume 2: Short Papers), pages 507–514, Les Sables d’Olonne, France. ATALA. | |
| >- (Boudin and Gallina, 2021) Florian Boudin and Ygor Gallina. 2021. | |
| [Redefining Absent Keyphrases and their Effect on Retrieval Effectiveness][boudin-2021]. | |
| In Proceedings of the 2021 Conference of the North American Chapter of the Association for Computational Linguistics: Human Language Technologies, pages 4185–4193, Online. Association for Computational Linguistics. | |
| [boudin-2013]: https://aclanthology.org/F13-2001/ | |
| [boudin-2021]: https://aclanthology.org/2021.naacl-main.330/ | |
| ## This Dataset | |
| ## License | |
| cc-by-4.0 |