---
language:
- fr
license:
- unknown
size_categories:
- 1M<n<10M
task_categories:
- token-classification
tags:
- ner
- DFP
- french prompts
annotations_creators:
- found
language_creators:
- found
multilinguality:
- monolingual
source_datasets:
- wikineural
---

# wikineural_fr_prompt_ner
## Summary

**wikineural_fr_prompt_ner** is a subset of the [**Dataset of French Prompts (DFP)**](https://huggingface.co/datasets/CATIE-AQ/DFP).  
It contains **2,647,638** rows that can be used for a name entity recognition task.  
The original data (without prompts) comes from the dataset [wikineural](https://huggingface.co/datasets/tner/wikineural) by Tedeschi et al. where only the French part 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 entités nommées du texte suivant : '+text,
'Extrais les entités nommées du texte suivant : '+text,
'Extrayez les entités nommées du texte suivant : '+text,
'Isoler les entités nommées du texte suivant : '+text,
'Isole les entités nommées du texte suivant : '+text,
'Isolez les entités nommées du texte suivant : '+text,
'Dégager des entités nommées dans le texte : '+text,
'Dégage des entités nommées dans le texte : '+text,
'Dégagez des entités nommées dans le texte : '+text,
'Générer des entités nommées issues du texte suivant : '+text,
'Génère des entités nommées issues du texte suivant : '+text,
'Générez des entités nommées issues du texte suivant : '+text,
'Trouver les entités nommées du texte : '+text,
'Trouve les entités nommées du texte : '+text,
'Trouvez les entités nommées du texte : '+text,
'Repérer les entités nommées présentes dans le texte suivant : '+text,
'Repère les entités nommées présentes dans le texte suivant : '+text,
'Repérez les entités nommées présentes dans le texte suivant : '+text,
'Indiquer les entités nommées du texte :'+text,
'Indique les entités nommées du texte : '+text,
'Indiquez les entités nommées du texte : '+text
```

### Features used in the prompts
In the prompt list above, `text` and `targets` have been constructed from:
```
wikineural = load_dataset('tner/wikineural','fr') 
wikineural['train']['tokens'] = list(map(lambda i: ' '.join(wikineural['train']['tokens'][i]), range(len(wikineural['train']['tokens']))))
wikineural['train']['tags'] = list(map(lambda x: x.replace("[","").replace("]","").replace('10','O').replace('11','O').replace('12','O').replace('13','O').replace('14','O').replace('15','O').replace('16','O').replace('17','O').replace('18','O').replace('19','O').replace('20','O').replace('21','O').replace('22','O').replace('23','O').replace('24','O').replace('25','O').replace('26','O').replace('27','O').replace('28','O').replace('29','O').replace('30','O').replace('31','O').replace('32','O').replace('0','O').replace('1','B-PER').replace('2','I-PER').replace('3','B-LOC').replace('4','I-LOC').replace('5','B-ORG').replace('6','I-ORG').replace('7','O').replace('8','O').replace('9','O'), map(str, wikineural['train']['tags'])))
```



# Splits
- `train` with 2,116,800 samples
- `valid` with 264,600 samples
- `test` with 266,238 samples


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

# Citation
## Original data
> @inproceedings{tedeschi-etal-2021-wikineural-combined,
    title = "{W}iki{NE}u{R}al: {C}ombined Neural and Knowledge-based Silver Data Creation for Multilingual {NER}",
    author = "Tedeschi, Simone  and Maiorca, Valentino  and Campolungo, Niccol{\`o}  and Cecconi, Francesco  and Navigli, Roberto",
    booktitle = "Findings of the Association for Computational Linguistics: EMNLP 2021",
    month = nov,
    year = "2021",
    address = "Punta Cana, Dominican Republic",
    publisher = "Association for Computational Linguistics",
    url = "https://aclanthology.org/2021.findings-emnlp.215",
    doi = "10.18653/v1/2021.findings-emnlp.215",
    pages = "2521--2533",
}



## 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
Unknow