Dataset Preview
Viewer
The full dataset viewer is not available (click to read why). Only showing a preview of the rows.
An error occurred while generating the dataset All the data files must have the same columns, but at some point there are 1 missing columns ({'label'}) This happened while the json dataset builder was generating data using hf://datasets/NYTK/HuCoPA/data/test.json (at revision 61bc890939bb58017be92123cf85b9b556ce1bea) Please either edit the data files to have matching columns, or separate them into different configurations (see docs at https://hf.co/docs/hub/datasets-manual-configuration#multiple-configurations)
Error code:   UnexpectedError

Need help to make the dataset viewer work? Open a discussion for direct support.

idx
string
premise
string
choice1
string
choice2
string
label
string
question
string
0
A felhajtón parkoltam.
A garázs nyitva volt.
A garázs tele volt.
2
cause
1
A fürdőt elöntötte a víz.
A WC túlcsordult.
Elromlott a bojler.
1
cause
2
A futó megérezte a versenytársa közeledését.
Kiesett a versenyből.
Felgyorsította a tempót.
2
effect
3
A csap alá tettem a kezem.
Leöblítettem a kezemről a szappant.
A víz az arcomba spriccelt.
1
effect
4
A beteg kiszáradt.
A nővér tesztelte a reflexeit.
A nővér infúziót adott neki.
2
effect
5
A férj bűnösnek érezte magát, amiért megcsalta a feleségét.
Hűtlenséggel vádolta.
Bevallotta neki a hűtlenségét.
2
effect
6
Láttam egy nőt, akit kiraboltak az utcán.
Hívtam a 911-et.
Hívtam egy taxit.
1
effect
7
A balerina ínszalagszakadást szenvedett.
Lábujjhegyre állt.
Kificamította a bokáját.
2
cause
8
Bűz árasztotta el a szobát.
Befogtam az orrom.
Felvettem a gumikesztyűt.
1
effect
9
A bíróság helybenhagyta az ellentmondásos ítéletet.
Lázadás tört ki a bíróság előtt.
Egy pár esküt tett a bíróság előtt.
1
effect
10
A nő szégyellte a sebhelyet az arcán.
Megmagyarázta a sebhelyet idegeneknek.
Sminkkel rejtette el a sebhelyet.
2
effect
11
A darázs a fiú felé repült.
A fiú elfutott.
A fiú szedett egy virágot.
1
effect
12
A baleset az én hibám volt.
Bűntudatom volt.
Vádat emeltem.
1
effect
13
A férfi elvesztette az egyensúlyát a létrán.
Felmászott a létrán.
Leesett a létráról.
2
effect
14
A hullámvasút megindult a meredek lejtőn.
Az utasok kuncogtak.
Az utasok sikoltoztak.
2
effect
15
A felszólaló politikailag inkorrekt megjegyzéseket tett.
Untatta a közönséget.
Megsértette a közönséget.
2
effect
16
A férfi kitűnt a tömegből.
Egy hátizsák volt nála.
Neonmellényt viselt.
2
cause
17
A gyerekek felborítottak egy lámpát.
Párnacsatáztak.
Felugrottak az ágyra.
1
cause
18
Megvakartam a bőrömet.
Izzadt volt.
Viszketett.
2
cause
19
A fiú izmos akart lenni.
Súlyzózott.
Számítógépes játékokat játszott.
1
effect
20
A kisfiú sírt a bébiszitterének.
Hiányoztak neki a szülei.
Uzsonnaidő volt.
1
cause
21
A fiú sárba lépett.
A sár ráragadt a cipőjére.
A sár az arcába csapódott.
1
effect
22
A jégkockát meleg víz alá tettem.
A jégkocka ráragadt az ujjaimra.
A jégkocka eltűnt.
2
effect
23
A férfi mentőmellényt viselt a vízben.
Nem tudott úszni.
A víz sekély volt.
1
cause
24
A férfi kinyújtotta felém a kezét.
Kezet fogtam vele.
Megpofoztam.
1
effect
25
Egyre nagyobb lett a tömeg.
Az apa pénzt adott a fiának.
Az apa megfogta a fia kezét.
2
effect
26
A fogoly éhezett.
Meghalt.
Elmenekült.
1
effect
27
A férfi háta megsérült.
Pszichiáterhez ment.
Több napig ágyban maradt.
2
effect
28
A szobában félhomály volt.
Felhúztam a redőnyt.
Lemostam az ablakokat.
1
effect
29
Az orrom alá tettem a virágot.
A szirmok lehullottak a virágról.
Megéreztem a virág illatát.
2
effect
30
Leszedtem a paradicsomot.
Megért.
Meglocsoltam.
1
cause
31
A barátok úgy döntöttek, hogy megosztják a hamburgert.
Félbevágták a hamburgert.
Sült krumplit rendeltek a hamburgerhez.
1
effect
32
Rábólintottam a barátom kijelentésére.
Összezavarodtam.
Egyetértettem vele.
2
cause
33
A könyvek kiestek a könyvszekrényből.
A polcokat por borította.
Egy földrengés rázta meg a könyvszekrényt.
2
cause
34
A férfi szerelmet vallott a nőnek.
A nő visszautasította.
A nő irigyelte őt.
1
effect
35
A teáskannában forrni kezdett a víz.
A teáskanna kihűlt.
A teáskanna fütyült.
2
effect
36
Fizettem a vámszedőnek.
Átengedett a fizetőkapun.
Őrizetbe vett a fizetőkapunál.
1
effect
37
Tegnap edzettem az edzőteremben.
Fájó izmokkal ébredtem ma.
Ma torokfájással ébredtem.
1
effect
38
A szakács megkeverte a hozzávalókat a tálban.
Az összetevők megolvadtak.
A hozzávalók összekeveredtek.
2
effect
39
A tanár széttépte a tanuló dolgozatát.
Puskázáson kapta a diákot.
A diák válaszai tévesek voltak.
1
cause
40
A nő késztetést érzett arra, hogy segítsen egy rászorulónak.
Vért adott.
Írt egy verset.
1
effect
41
A vezető dicséretet kapott.
Harcolt a szegénység ellen.
Megemelte az adókat.
1
cause
42
A diák halogatta a dolgozat megírását.
Korán beadta a dolgozatot.
Hiányosan adta be a dolgozatot.
2
effect
43
Az orvos megröntgenezte a beteg karját.
Kiderítette, hogy a beteg karja eltört.
Begipszelte a beteg karját.
1
effect
44
A nő kint ült a tornácon.
Meg akarta nézni a naplementét.
Azt hitte, hogy villámot látott.
1
cause
45
Tanácsot kértem a barátomtól.
Becsültem a véleményét.
Tudtam, hogy igazam van.
1
cause
46
A szék nyikorgott.
A férfi az irodájába vitte a széket.
A férfi közelebb húzta a széket az asztalhoz.
2
cause
47
A gyermek elkapott egy életveszélyes betegséget.
Nem oltották be.
Örökbe fogadták.
1
cause
48
Javasoltam a vendégemnek, hogy menjünk el vacsorázni.
Túl fáradt voltam, hogy bármit is elkészítsek.
A vendégem tovább maradt, mint kellett volna.
1
cause
49
A szörfös elkapta a hullámot.
A hullám a partra sodorta.
Beúsztatta a deszkáját az óceánba.
1
effect
50
A fagyasztott étel kiolvadt.
Betettem a mikróba.
Műanyag fóliával takartam le.
1
cause
51
A férfi észrevette, hogy a nő másképp néz ki.
A nő levágatta a haját.
A nő karkötőt viselt.
1
cause
52
Letettem a telefont.
A hívó elköszönt tőlem.
A hívó bemutatkozott.
1
cause
53
A baba sírt a bölcsőjében.
Az anya felvette a babát.
A baba odakúszott az anyához.
1
effect
54
A tengerész karanténba került.
Ki volt téve a betegségnek.
Kigyógyult a betegségből.
1
cause
55
Egy ismeretlen autó parkolt a házam előtt.
Gyanakodni kezdtem.
Hívtam a rendőrséget.
1
effect
56
A barátom kutyája meghalt.
Forgattam a szemem, ahogy ránéztem.
Megöleltem.
2
effect
57
A bevándorlók illegálisan tartózkodtak az országban.
Találtak munkát.
Deportálták őket.
2
effect
58
Sírni kezdett a kisgyerek.
A szülei elvették a játékát.
A szülei játékot adtak neki.
2
effect
59
Kicsavartam a nedves szivacsot.
Felszívta a vizet.
Víz csorgott belőle.
2
effect
60
A baba elaludt.
Az apa kicserélte a baba pelenkáját.
Az apa finoman ringatta a babát.
2
cause
61
A férfi hálás volt, hogy életben maradt.
Kigyógyult a rákból.
A feleségénél rákot diagnosztizáltak.
1
cause
62
A férfi átpörgette a lapokat.
Elvágta az ujját egy papírlap.
Darabokra tépte a lapokat.
1
effect
63
Összepakoltam a holmimat.
Új lakást kerestem.
Kiköltöztem a lakásomból.
2
cause
64
A lánynak fájt a szája.
Kiesett egy foga.
Lenyelte a rágóját.
1
cause
65
A tollból kifogyott a tinta.
Ceruzát használtam.
Aláírtam a nevem.
1
effect
66
Szereznem kellett némi készpénzt.
Elmentem a bankba.
Vettem egy pénztárcát.
1
effect
67
Az ing összement.
Fehérítőt öntöttem rá.
Betettem a szárítóba.
2
cause
68
A kertész azt akarta, hogy virágozzanak a növényei.
Sokféle magot vetett.
Műtrágyát szórt a talajba.
2
effect
69
A nő eltűrte a barátja kezelhetetlen viselkedését.
A nő tudta, hogy a barátja nehéz időszakon megy keresztül.
A nő úgy érezte, hogy a barátja kihasználta a kedvességét.
1
cause
70
A varrónő beleszúrta a befűzött tűt a szövetbe.
A cérna a tű köré tekeredett.
A cérna áthatolt a szöveten.
2
effect
71
A lány udvariasan visszautasította a hamburgert.
Vegetáriánus volt.
Szerette a gyorskaját.
1
cause
72
A férfi haja kiszőkült.
Hajszőkítőt kent rá.
Besamponozta.
1
cause
73
A lány találkozott a kedvenc színészével.
Elment megnézni az új filmjét.
Autogramot kért tőle.
2
effect
74
A tinédzser kiszökött a házból.
Hazudott a szüleinek.
A szülei szobafogságra ítélték.
2
cause
75
Alaposan átgondoltam a problémát.
Tanácsot kértem.
Kitaláltam egy megoldást.
2
effect
76
A gyár tulajdonosa nem volt hajlandó megemelni az alkalmazottak bérét.
A tulajdonos új menedzsert nevezett ki.
Az alkalmazottak sztrájkba kezdtek.
2
effect
77
Nyitva volt az irodám ajtaja.
Beszélgettem a kollégámmal az asztalomnál.
Hallottam a beszélgetést a folyosón.
2
effect
78
A férfi egy cigarettára vágyott.
Családja arra ösztönözte, hogy szokjon le a dohányzásról.
Nikotinfüggő volt.
2
cause
79
A közösség tudomást szerzett a férfi haláláról.
A családja a eltemette a temetőben.
Megjelent az újságban a gyászjelentése.
2
cause
80
Az alkalmazott műszakja véget ért.
Hazament mára.
Felmondással fenyegetőzött.
1
effect
81
A kiskutya a gazdája közelében maradt.
A tulajdonos nyakörvet tett a kiskutyára.
A tulajdonos pórázon tartotta a kiskutyát.
2
cause
82
Ügyetlenül belebotlottam az idegenbe.
Elfutottam.
Bocsánatot kértem tőle.
2
effect
83
A férfi feje lüktetett a fájdalomtól.
Köhögés elleni szirupot kapott.
Aszpirint vett be.
2
effect
84
A férfi arcán rúzsfolt virított.
A nő megcsókolta.
A nő miatt elpirult.
1
cause
85
Belenéztem a napba.
A nap elvakított.
Lebarnultam a napon.
1
effect
86
A férfi sokat ivott a partin.
Másnap fájt a feje.
Másnap folyt az orra.
1
effect
87
Szétloccsant a tojás.
Elejtettem.
Megfőztem.
1
cause
88
A két gyermek egyszerre nyúlt le, hogy visszaszerezze a labdát.
A labda elgurult.
Összekoccant a fejük.
2
effect
89
A nő megadta a telefonszámát a férfinak.
Vonzódott hozzá.
Visszataszítónak találta.
1
cause
90
A férfi és a nő egymásba szerettek.
Főiskolára jártak.
Összeházasodtak.
2
effect
91
A nő kitörölte az e-mailt.
A feladó pénzt akart tőle.
A feladó választ várt tőle.
1
cause
92
A férfinak könnyes volt a szeme.
Por került a szemébe.
Védőszemüveget vett fel.
1
cause
93
Az ügyvéd felment a lépcsőn az irodájába.
A titkárnő hazament mára.
A lift nem működött.
2
cause
94
A lány megtalálta a hiányzó kirakódarabot.
Befejezte a kirakót.
Szétszedte a kirakót.
1
effect
95
A lány nem volt hajlandó megenni a zöldségeket.
Az apja mondta neki, hogy igya meg a tejét.
Az apja elvette a desszertjét.
2
effect
96
A férfi órája elromlott.
A buszmegállóban várt.
Megkérdezte egy idegentől, hogy mennyi az idő.
2
effect
97
Csengettek.
A látogató kopogtatott az ajtón.
A nő kikukucskált az ajtó kulcslyukán.
2
effect
98
A könyv hatalmas bestseller lett.
Filmet is készítettek belőle.
A szerző feledésbe merült.
1
effect
99
A nő üzlete sikeres volt.
Kirúgta az alkalmazottait.
Meggazdagodott.
2
effect
End of preview.

Dataset Card for HuCoPA

Dataset Summary

This is the dataset card for the Hungarian Choice of Plausible Alternatives Corpus (HuCoPA), which is also part of the Hungarian Language Understanding Evaluation Benchmark Kit HuLU. The corpus was created by translating and re-annotating the original English CoPA corpus (Roemmele et al., 2011).

Supported Tasks and Leaderboards

'commonsense reasoning' 'question answering'

Languages

The BCP-47 code for Hungarian, the only represented language in this dataset, is hu-HU.

Dataset Structure

Data Instances

For each instance, there is an id, a premise, a question ('cause' or 'effect'), two alternatives and a label (1 or 2).

An example:

{"idx": "1",
 "question": "cause",
 "label": "1",
 "premise": "A testem árnyékot vetett a fűre.",
 "choice1": "Felkelt a nap.",
 "choice2": "A füvet lenyírták."}

Data Fields

  • id: unique id of the instances, an integer between 1 and 1000;
  • question: "cause" or "effect". It suggests what kind of causal relation are we looking for: in the case of "cause" we search for the more plausible alternative that may be a cause of the premise. In the case of "effect" we are looking for a plausible result of the premise;
  • premise: the premise, a sentence;
  • choice1: the first alternative, a sentence;
  • choice2: the second alternative, a sentence;
  • label: the number of the more plausible alternative (1 or 2).

Data Splits

HuCoPA has 3 splits: train, validation and test.

Dataset split Number of instances in the split
train 400
validation 100
test 500

The test data is distributed without the labels. To evaluate your model, please contact us, or check HuLU's website for an automatic evaluation (this feature is under construction at the moment).

Dataset Creation

Source Data

Initial Data Collection and Normalization

The data is a translation of the content of the CoPA corpus. Each sentence was translated by a human translator. Each translation was manually checked and further refined by another annotator.

Annotations

Annotation process

The instances initially inherited their original labels from the CoPA dataset. Each instance was annotated by a human annotator. If the original label and the human annotator's label did not match, we manually curated the instance and assigned a final label to that. This step was necessary to ensure that the causal realationship had not been changed or lost during the translation process.

Who are the annotators?

The translators were native Hungarian speakers with English proficiency. The annotators were university students with some linguistic background.

Additional Information

The human performance on the test set is 96% (accuracy).

Licensing Information

HuCoPA is released under the BSD 2-Clause License.

Copyright (c) 2010, University of Southern California All rights reserved.

Redistribution and use in source and binary forms, with or without modification, are permitted provided that the following conditions are met:

  • Redistributions of source code must retain the above copyright notice, this list of conditions and the following disclaimer.

  • Redistributions in binary form must reproduce the above copyright notice, this list of conditions and the following disclaimer in the documentation and/or other materials provided with the distribution.

THIS SOFTWARE IS PROVIDED BY THE COPYRIGHT HOLDERS AND CONTRIBUTORS "AS IS" AND ANY EXPRESS OR IMPLIED WARRANTIES, INCLUDING, BUT NOT LIMITED TO, THE IMPLIED WARRANTIES OF MERCHANTABILITY AND FITNESS FOR A PARTICULAR PURPOSE ARE DISCLAIMED. IN NO EVENT SHALL THE COPYRIGHT HOLDER OR CONTRIBUTORS BE LIABLE FOR ANY DIRECT, INDIRECT, INCIDENTAL, SPECIAL, EXEMPLARY, OR CONSEQUENTIAL DAMAGES (INCLUDING, BUT NOT LIMITED TO, PROCUREMENT OF SUBSTITUTE GOODS OR SERVICES; LOSS OF USE, DATA, OR PROFITS; OR BUSINESS INTERRUPTION) HOWEVER CAUSED AND ON ANY THEORY OF LIABILITY, WHETHER IN CONTRACT, STRICT LIABILITY, OR TORT (INCLUDING NEGLIGENCE OR OTHERWISE) ARISING IN ANY WAY OUT OF THE USE OF THIS SOFTWARE, EVEN IF ADVISED OF THE POSSIBILITY OF SUCH DAMAGE.

Citation Information

If you use this resource or any part of its documentation, please refer to:

Ligeti-Nagy, N., Ferenczi, G., Héja, E., Jelencsik-Mátyus, K., Laki, L. J., Vadász, N., Yang, Z. Gy. and Váradi, T. (2022) HuLU: magyar nyelvű benchmark adatbázis kiépítése a neurális nyelvmodellek kiértékelése céljából [HuLU: Hungarian benchmark dataset to evaluate neural language models]. In: Berend, Gábor and Gosztolya, Gábor and Vincze, Veronika (eds), XVIII. Magyar Számítógépes Nyelvészeti Konferencia. JATEPress, Szeged. 431–446.

@inproceedings{ligetinagy2022hulu,
  title={HuLU: magyar nyelvű benchmark adatbázis kiépítése a neurális nyelvmodellek kiértékelése céljából},
  author={Ligeti-Nagy, N. and Ferenczi, G. and Héja, E. and Jelencsik-Mátyus, K. and Laki, L. J. and Vadász, N. and Yang, Z. Gy. and Váradi, T.},
  booktitle={XVIII. Magyar Számítógépes Nyelvészeti Konferencia},
  year={2022},
  editors = {Berend, Gábor and Gosztolya, Gábor and Vincze, Veronika},
  address = {Szeged},
  publisher = {JATEPress},
  pages = {431–446}
}

and to:

Roemmele, M., Bejan, C., and Gordon, A. (2011) Choice of Plausible Alternatives: An Evaluation of Commonsense Causal Reasoning. AAAI Spring Symposium on Logical Formalizations of Commonsense Reasoning, Stanford University, March 21-23, 2011.

@inproceedings{roemmele2011choice,
  title={Choice of plausible alternatives: An evaluation of commonsense causal reasoning},
  author={Roemmele, Melissa and Bejan, Cosmin Adrian and Gordon, Andrew S},
  booktitle={2011 AAAI Spring Symposium Series},
  year={2011},
  url={https://people.ict.usc.edu/~gordon/publications/AAAI-SPRING11A.PDF},
}

Contributions

Thanks to lnnoemi for adding this dataset.

Downloads last month
206
Edit dataset card