Create README.md

README.md

@@ -0,0 +1,86 @@
+---
+language:
+- fr
+license: lgpl
+size_categories:
+- 10K<n<100K
+task_categories:
+- token-classification
+tags:
+- pos
+---
+
+# ud_fr_fqb_fr_prompt_pos
+## Summary
+
+**ud_fr_fqb_fr_prompt_pos** is a subset of the [**Dataset of French Prompts (DFP)**]().
+It contains **X** rows that can be used for a part-of-speech task.
+The original data (without prompts) comes from the dataset [universal_dependencies](https://huggingface.co/datasets/universal_dependencies) where only the French fqb split by Seddah et Candito 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](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 classes des mots du texte suivant : '+text,  
+'Extrais les classes des mots du texte suivant : '+text,  
+'Extrayez les classes des mots du texte suivant : '+text,  
+'Isoler les classes des mots du texte suivant : '+text,  
+'Isole les classes des mots du texte suivant : '+text,  
+'Isolez les classes des mots du texte suivant : '+text,  
+'Dégager les classes des mots dans le texte : '+text,  
+'Dégage les classes des mots dans le texte : '+text,  
+'Dégagez les classes des mots dans le texte : '+text,  
+'Générer les classes des mots issues du texte suivant : '+text,  
+'Génère les classes des mots issues du texte suivant : '+text,  
+'Générez les classes des mots issues du texte suivant : '+text,  
+'Trouver les classes des mots du texte : '+text,  
+'Trouve les classes des mots du texte : '+text,  
+'Trouvez les classes des mots du texte : '+text,  
+'Repérer les classes des mots présentes dans le texte suivant : '+text,  
+'Repère les classes des mots présentes dans le texte suivant : '+text,  
+'Repérez les classes des mots présentes dans le texte suivant : '+text,  
+'Indiquer les classes des mots du texte :'+text,  
+'Indique les classes des mots du texte : '+text,  
+'Indiquez les classes des mots du texte : '+text
+```
+
+### Features used in the prompts
+In the prompt list above, `text` and `targets` have been constructed from:
+```
+fr_fqb = load_dataset('universal_dependencies', 'fr_fqb')  
+# text
+fr_fqb['test']['tokens'] = list(map(lambda i: ' '.join(fr_fqb['test']['tokens'][i]), range(len(fr_fqb['test']['tokens']))))
+# targets
+fr_fqb['test']['upos'] = list(map(lambda x: x.replace("[","").replace("]","").replace('17','AUX').replace('16','VERB').replace('15','INTJ').replace('14','ADV').replace('13','_').replace('12','X').replace('11','PRON').replace('10','PROPN').replace('9','CCONJ').replace('8','DET').replace('7','PART').replace('6','ADJ').replace('5','SCONJ').replace('4','SYM').replace('3','NUM').replace('2','ADP').replace('1','PUNCT').replace('0','NOUN'), map(str,fr_fqb['test']['upos'])))
+```
+
+
+
+# Splits
+- train with X samples
+- dev with Y samples
+- test with Z samples
+
+
+# How to use?
+```
+from datasets import load_dataset
+dataset = load_dataset("CATIE-AQ/ud_fr_fqb_fr_prompt_pos")
+```
+
+# Citation
+## Original data
+> Djamé Seddah, Marie Candito. Hard Time Parsing Questions: Building a QuestionBank for French. Tenth International Conference on Language Resources and Evaluation (LREC 2016), May 2016, Portorož, Slovenia.
+
+
+
+
+## This Dataset
+
+
+
+## License
+LGPL-R