metadata

language:
  - fr
license: cc-by-nc-sa-4.0
size_categories:
  - 100K<n<1M
task_categories:
  - text-generation
tags:
  - DFP
  - french prompts
annotations_creators:
  - found
language_creators:
  - found
multilinguality:
  - monolingual
source_datasets:
  - newsquadfr

newsquadfr_fr_prompt_question_generation_with_context

Summary

newsquadfr_fr_prompt_question_generation_with_context is a subset of the Dataset of French Prompts (DFP).
It contains 101,040 rows that can be used for a question-generation (with context) task.
The original data (without prompts) comes from the dataset newsquadfr and was augmented by questions in SQUAD 2.0 format in the FrenchQA dataset. 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

24 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.

'"'+context+'"\n Générer une question à partir du texte ci-dessus : ',  
'"'+context+'"\n Génère une question à partir du texte ci-dessus : ',  
'"'+context+'"\n Générez une question à partir du texte ci-dessus : ',  
'"'+context+'"\n Trouver une question à partir du texte ci-dessus : ',  
'"'+context+'"\n Trouve une question à partir du texte ci-dessus : ',  
'"'+context+'"\n Trouvez une question à partir du texte ci-dessus : ',  
'"'+context+'"\n Créer une bonne question à partir du texte ci-dessus : ',  
'"'+context+'"\n Crée trouver une bonne question à partir du texte ci-dessus : ',  
'"'+context+'"\n Créez trouver une bonne question à partir du texte ci-dessus : ',  
'"'+context+'"\n Ecrire une bonne question à partir du texte ci-dessus : ',  
'"'+context+'"\n Ecris une bonne question à partir du texte ci-dessus : ',  
'"'+context+'"\n Ecrivez une bonne question à partir du texte ci-dessus : ',  
'Générer une bonne question pour le texte suivant : "'+context+'"',  
'Génère une bonne question pour le texte suivant : "'+context+'"',  
'Générez une bonne question pour le texte suivant : "'+context+'"',  
'Trouver une bonne question pour le texte suivant : "'+context+'"',  
'Trouve une bonne question pour le texte suivant : "'+context+'"',  
'Trouvez trouver une bonne question pour le texte suivant : "'+context+'"',  
'Créer une bonne question pour le texte suivant : "'+context+'"',  
'Crée trouver une bonne question pour le texte suivant : "'+context+'"',  
'Créez trouver une bonne question pour le texte suivant : "'+context+'"',  
'Ecrire une bonne question pour le texte suivant : "'+context+'"',  
'Ecris une bonne question pour le texte suivant : "'+context+'"',  
'Ecrivez une bonne question pour le texte suivant : "'+context+'"'

Splits

train with 79,200 samples
valid with 21,800 samples
no test split

How to use?

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

Citation

Original data

Hugging Face repository: https://huggingface.co/datasets/lincoln/newsquadfr

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-NC-SA 4.0