universal_dependencies_fr_gsd_fr_prompt_pos

Summary

universal_dependencies_fr_gsd_fr_prompt_pos is a subset of the Dataset of French Prompts (DFP).
It contains 343,161 rows that can be used for a part-of-speech task.
The original data (without prompts) comes from the dataset universal_dependencies where only the French gsd split 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 classes des mots du texte suivant : '+text,  
'Extrayez les classes des mots du texte suivant : '+text,  
'Isoler les classes des mots du texte suivant : '+text,  
'Isole les classes des mots du texte suivant : '+text,  
'Isolez les classes des mots du texte suivant : '+text,  
'Dégager les classes des mots dans le texte : '+text,  
'Dégage les classes des mots dans le texte : '+text,  
'Dégagez les classes des mots dans le texte : '+text,  
'Générer les classes des mots issues du texte suivant : '+text,  
'Génère les classes des mots issues du texte suivant : '+text,  
'Générez les classes des mots issues du texte suivant : '+text,  
'Trouver les classes des mots du texte : '+text,  
'Trouve les classes des mots du texte : '+text,  
'Trouvez les classes des mots du texte : '+text,  
'Repérer les classes des mots présentes dans le texte suivant : '+text,  
'Repère les classes des mots présentes dans le texte suivant : '+text,  
'Repérez les classes des mots présentes dans le texte suivant : '+text,  
'Indiquer les classes des mots du texte :'+text,  
'Indique les classes des mots du texte : '+text,  
'Indiquez les classes des mots du texte : '+text

Features used in the prompts

In the prompt list above, text and targets have been constructed from:

fr_gsd = load_dataset('universal_dependencies', 'fr_gsd')  
# text
fr_gsd['train']['tokens'] = list(map(lambda i: ' '.join(fr_gsd['train']['tokens'][i]), range(len(fr_gsd['train']['tokens']))))
# targets
fr_gsd['train']['upos'] = list(map(lambda x: x.replace("[","").replace("]","").replace('17','AUX').replace('16','VERB').replace('15','INTJ').replace('14','ADV').replace('13','_').replace('12','X').replace('11','PRON').replace('10','PROPN').replace('9','CCONJ').replace('8','DET').replace('7','PART').replace('6','ADJ').replace('5','SCONJ').replace('4','SYM').replace('3','NUM').replace('2','ADP').replace('1','PUNCT').replace('0','NOUN'), map(str,fr_gsd['train']['upos'])))

Splits

• train with 303,429 samples
• valid with 30,996 samples
• test with 8,736 samples

How to use?

from datasets import load_dataset
dataset = load_dataset("CATIE-AQ/universal_dependencies_fr_gsd_fr_prompt_pos")

Citation

Original data

Contributors: de Marneffe, Marie-Catherine; Guillaume, Bruno; McDonald, Ryan; Suhr, Alane; Nivre, Joakim; Grioni, Matias; Dickerson, Carly; Perrier, Guy

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