Hugging Face's logo

Datasets:
CATIE-AQ
/
amazon_reviews_multi_fr_prompt_classes_classification

Tasks:
Text Classification
Modalities:
Text
Formats:
parquet
Languages:
French
Size:
1M - 10M
Tags:
DFP
french prompts
Libraries:
Datasets
pandas
License:
Dataset card Viewer Files Community
amazon_reviews_multi_fr_prompt_classes_classification / README.md
bourdoiscatie's picture
bourdoiscatie
Update README.md
2cc9985
preview code
|
raw
history blame
7.34 kB
metadata
language:
  - fr
license: other
size_categories:
  - 1M<n<10M
task_categories:
  - text-classification
tags:
  - DFP
  - french prompts
annotations_creators:
  - found
language_creators:
  - found
multilinguality:
  - monolingual
source_datasets:
  - amazon_reviews_multi

amazon_reviews_multi_fr_prompt_classes_classification

Summary

amazon_reviews_multi_fr_prompt_classes_classification is a subset of the Dataset of French Prompts (DFP).
It contains 4,480,000 rows that can be used for a text classification task.
The original data (without prompts) comes from the dataset amazon_reviews_multi by Keung et al. where only the French 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.

'Le texte suivant parle-t-il de "'+classes+'" ?\n Texte : '+text,
'Le texte suivant concerne-t-il "'+classes+'" ?\n Texte : '+text,
'Le texte suivant évoque-t-il "'+classes+'" ?\n Texte : '+text,
text+'\n Étant donné la liste de catégories suivante : "'+classes+'" à quelle catégorie appartient le texte ?',
text+'\n Étant donné la liste de classes suivante : "'+classes+'" à quelle classe appartient le texte ?',
'Étant donné une liste de catégories : "'+classes+'" à quelle catégorie appartient le texte suivant ?\n Texte : '+text,
'Étant donné une liste de classes : "'+classes+'" à quelle classe appartient le texte suivant ?\n Texte : '+text,
'Étant donné un choix de catégories : "'+classes+'", le texte fait référence à laquelle ?\n Texte : '+text,
'Étant donné un choix de classe : "'+classes+'", le texte fait référence à laquelle ?\n Texte : '+text,
'Choisir une catégorie pour le texte suivant. Les options sont les suivantes : "'+classes+'"\n Texte : '+text,
'Choisir une catégorie pour le texte suivant. Les possibilités sont les suivantes : "'+classes+'"\n Texte : '+text,
'Choisir une catégorie pour le texte suivant. Les choix sont les suivants : "'+classes+'"\n Texte : '+text,
'Choisir une classe pour le texte suivant. Les options sont les suivantes : "'+classes+'"\n Texte : '+text,
'Choisir une classe pour le texte suivant. Les possibilités sont les suivantes : "'+classes+'"\n Texte : '+text,
'Choisir une classe pour le texte suivant. Les choix sont les suivants : "'+classes+'"\n Texte : '+text,
'Sélectionner une catégorie pour le texte suivant. Les options sont les suivantes : "'+classes+'"\n Texte : '+text,
'Sélectionner une catégorie pour le texte suivant. Les possibilités sont les suivantes : "'+classes+'"\n Texte : '+text,
'Sélectionner une catégorie pour le texte suivant. Les choix sont les suivants : "'+classes+'"\n Texte : '+text,
'Sélectionner une classe pour le texte suivant. Les options sont les suivantes : "'+classes+'"\n Texte : '+text,
'Sélectionner une classe pour le texte suivant. Les possibilités sont les suivantes : "'+classes+'"\n Texte : '+text,
'Sélectionner une classe pour le texte suivant. Les choix sont les suivants : "'+classes+'"\n Texte : '+text

Features used in the prompts

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

arm = load_dataset('amazon_reviews_multi', 'fr')
text = arm['train']['review_body'][i]
targets = arm['train']['product_category'][i].replace('personal_care_appliances','appareils_de_soins_personnels').replace('beauty','beauté').replace('lawn_and_garden','pelouse_et_jardin').replace('digital_ebook_purchase','livres_numériques').replace('musical_instruments','instruments').replace('watch','montre').replace('other','autre').replace('jewelry','bijou').replace('automotive','automobile').replace('apparel','vêtement').replace('video_games','jeux_vidéos').replace('toy','jeux').replace('luggage', 'bagages').replace('pet_products', 'produits_animaux').replace('electronics','électroniques').replace('office_product','produit_bureau').replace('drugstore','pharmacie').replace('camera','appareil_photo').replace('home','maison').replace('furniture','meubles').replace('book','livre').replace('wireless','sans_fil').replace('grocery','épicerie').replace('industrial_supplies','fournitures_industrielles').replace('kitchen','cuisine').replace('baby_product','produit_bébé').replace('shoes','chaussures').replace('home_improvement','amélioration_de_la_maison')

Splits

  • train with 4,200,000 samples
  • valid with 140,000 samples
  • test with 140,000 samples

How to use? 

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

Citation

Original data

@inproceedings{marc_reviews, title={The Multilingual Amazon Reviews Corpus}, author={Keung, Phillip and Lu, Yichao and Szarvas, György and Smith, Noah A.}, booktitle={Proceedings of the 2020 Conference on Empirical Methods in Natural Language Processing}, year={2020} }

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

Amazon has licensed his dataset under its own agreement for non-commercial research usage only. This licence is quite restrictive preventing use anywhere a fee is received including paid for internships etc. A copy of the agreement can be found at the dataset webpage here: https://docs.opendata.aws/amazon-reviews-ml/license.txt

By accessing the Multilingual Amazon Reviews Corpus ("Reviews Corpus"), you agree that the Reviews Corpus is an Amazon Service subject to the Amazon.com Conditions of Use and you agree to be bound by them, with the following additional conditions:

In addition to the license rights granted under the Conditions of Use, Amazon or its content providers grant you a limited, non-exclusive, non-transferable, non-sublicensable, revocable license to access and use the Reviews Corpus for purposes of academic research. You may not resell, republish, or make any commercial use of the Reviews Corpus or its contents, including use of the Reviews Corpus for commercial research, such as research related to a funding or consultancy contract, internship, or other relationship in which the results are provided for a fee or delivered to a for-profit organization. You may not (a) link or associate content in the Reviews Corpus with any personal information (including Amazon customer accounts), or (b) attempt to determine the identity of the author of any content in the Reviews Corpus. If you violate any of the foregoing conditions, your license to access and use the Reviews Corpus will automatically terminate without prejudice to any of the other rights or remedies Amazon may have.