---
language:
- fr
license: cc-by-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:
- orange_sum
---


# orange_sum_fr_prompt_text_generation_from_an_article
## Summary

**orange_sum_fr_prompt_text_generation_from_an_article** is a subset of the [**Dataset of French Prompts (DFP)**](https://huggingface.co/datasets/CATIE-AQ/DFP).  
It contains **539,400** rows that can be used for a text generation 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 1000 caractères maximum :',  
'"'+document+'"\n Continue le texte sur 1000 caractères maximum :',  
'"'+document+'"\n Continuez le texte sur 1000 caractères maximum :',  
'"'+document+'"\n Poursuivre le texte sur 1000 caractères maximum :',  
'"'+document+'"\n Poursuis le texte sur 1000 caractères maximum :',  
'"'+document+'"\n Poursuivez le texte sur 1000 caractères maximum :',  
'"'+document+'"\n Prolonger le texte sur 1000 caractères maximum :',  
'"'+document+'"\n Prolonge le texte sur 1000 caractères maximum :',  
'"'+document+'"\n Prolongez le texte sur 1000 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 472,944 samples
- `valid` with 33,096 samples
- `test` with 33,360 samples



# How to use?
```
from datasets import load_dataset
dataset = load_dataset("CATIE-AQ/orange_sum_fr_prompt_text_generation_from_an_article")
```

# 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
> @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