Create README.md

README.md

@@ -0,0 +1,91 @@
+---
+language:
+- fr
+license: cc-by-sa-4.0
+size_categories:
+- 10K<n<100K
+task_categories:
+- text-generation
+---
+
+# orange_sum_fr_prompt_text_generation
+## Summary
+
+**orange_sum_fr_prompt_text_generation** is a subset of the [**Dataset of French Prompts (DFP)**]().  
+It contains **48,069** rows that can be used for a part-of-speech task.  
+The original data (without prompts) comes from the dataset [orange_sum](https://huggingface.co/datasets/orange_sum) by Eddine et al.    
+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
+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.
+
+```
+'"'+document+'"\n Continuer le texte sur 4000 caractères maximum :',  
+'"'+document+'"\n Continue le texte sur 4000 caractères maximum :',  
+'"'+document+'"\n Continuez le texte sur 4000 caractères maximum :',  
+'"'+document+'"\n Poursuivre le texte sur 4000 caractères maximum :',  
+'"'+document+'"\n Poursuis le texte sur 4000 caractères maximum :',  
+'"'+document+'"\n Poursuivez le texte sur 4000 caractères maximum :',  
+'"'+document+'"\n Prolonger le texte sur 4000 caractères maximum :',  
+'"'+document+'"\n Prolonge le texte sur 4000 caractères maximum :',  
+'"'+document+'"\n Prolongez le texte sur 4000 caractères maximum :',  
+'"'+document+'"\n Rédiger la suite du texte : ',  
+'"'+document+'"\n Rédige la suite du texte : ',  
+'"'+document+'"\n Rédigez la suite du texte : ',  
+'"'+document+'"\n Imaginer la suite du texte : ',  
+'"'+document+'"\n Imagine la suite du texte : ',  
+'"'+document+'"\n Imaginez la suite du texte : ',  
+'"'+document+'"\n Ecrire la suite du texte : ',  
+'"'+document+'"\n Ecris la suite du texte : ',  
+'"'+document+'"\n Ecriver la suite du texte : ',  
+'"'+document+'"\n Développer la suite du texte : ',  
+'"'+document+'"\n Développe la suite du texte : ',  
+'"'+document+'"\n Développez la suite du texte : ',  
+'"'+document+'"\nGénérer la suite du texte : ',  
+'"'+document+'"\nGénère la suite du texte : ',  
+'"'+document+'"\n Générez la suite du texte : ',  
+```
+
+### Features used in the prompts
+In the prompt list above, `text` and `targets` have been constructed from:
+```
+orange_sum = load_dataset('orange_sum','abstract')
+if len(orange_sum['train'][i]['text']) > 1000:
+        document = orange_sum['train'][i]['text'][:1000]
+targets = orange_sum['train'][i]['summary'][1000:]
+```
+
+
+
+# Splits
+- train with 48,069 samples
+- no valid and test splits in the original data
+
+
+# How to use?
+```
+from datasets import load_dataset
+dataset = load_dataset("CATIE-AQ/orange_sum_fr_prompt_text_generation")
+```
+
+# Citation
+## Original data
+> @article{eddine2020barthez,
+  title={BARThez: a Skilled Pretrained French Sequence-to-Sequence Model},
+  author={Eddine, Moussa Kamal and Tixier, Antoine J-P and Vazirgiannis, Michalis},
+  journal={arXiv preprint arXiv:2010.12321},
+  year={2020}
+}
+
+
+
+
+## This Dataset
+
+
+
+## License
+CC-BY-SA-4.0