README.md

---
language:
- fr
license: 
- cc-by-4.0
size_categories:
- 10K<n<100K
task_categories:
- text-generation
tags:
- keywords-extraction
- DFP
- french prompts
annotations_creators:
- found
language_creators:
- found
multilinguality:
- monolingual
source_datasets:
- taln-ls2n/taln-archives
---

# taln-archives_fr_prompt_keywords_extraction 
## Summary

**taln-archives_fr_prompt_keywords_extraction** is a subset of the [**Dataset of French Prompts (DFP)**](https://huggingface.co/datasets/CATIE-AQ/DFP).  
It contains **24,507** rows that can be used for a keywords_extraction task.  
The original data (without prompts) comes from the dataset [taln-archives](https://huggingface.co/datasets/taln-ls2n/taln-archives).  
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
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 mots clés importants du texte suivant : '+text,  
'Extrais les mots clés importants du texte suivant : '+text,  
'Extrayez les mots clés importants du texte suivant : '+text,  
'Isoler les mots clés importants du texte suivant : '+text,  
'Isole les mots clés importants du texte suivant : '+text,  
'Isolez les mots clés importants du texte suivant : '+text,  
'Dégager des mots clés dans le texte : '+text,  
'Dégage des mots clés dans le texte : '+text,  
'Dégagez des mots clés dans le texte : '+text,  
'Générer des mots clés issus du texte suivant : '+text,  
'Génère des mots clés issus du texte suivant : '+text,  
'Générez des mots clés issus du texte suivant : '+text,  
'Trouver les mots clés du texte : '+text,  
'Trouve les mots clés du texte : '+text,  
'Trouvez les mots clés du texte : '+text,  
'Repérer les mots clés importants présents dans le texte suivant : '+text,  
'Repère les mots clés importants présents dans le texte suivant : '+text,  
'Repérez les mots clés importants présents dans le texte suivant : '+text,  
'Indiquer les mots clés du texte : '+text,  
'Indiquer les mots clés du texte : '+text,  
'Indiquer les mots clés du texte : '+text
```


# Splits
- `train` with 24,507 samples
- no `valid` split
- no `test` split
  

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

# Citation
## Original data
> - (Boudin, 2013) Florian Boudin. 2013.
  [TALN Archives : a digital archive of French research articles in Natural Language Processing (TALN Archives : une archive numérique francophone des articles de recherche en Traitement Automatique de la Langue) [in French]][boudin-2013].
  In Proceedings of TALN 2013 (Volume 2: Short Papers), pages 507–514, Les Sables d’Olonne, France. ATALA.
>- (Boudin and Gallina, 2021) Florian Boudin and Ygor Gallina. 2021.
  [Redefining Absent Keyphrases and their Effect on Retrieval Effectiveness][boudin-2021]. 
  In Proceedings of the 2021 Conference of the North American Chapter of the Association for Computational Linguistics: Human Language Technologies, pages 4185–4193, Online. Association for Computational Linguistics.

[boudin-2013]: https://aclanthology.org/F13-2001/
[boudin-2021]: https://aclanthology.org/2021.naacl-main.330/


## 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-4.0