Datasets:
Languages:
French
Size Categories:
10K<n<100K
import json | |
import os | |
import datasets | |
from datasets.tasks import TextClassification | |
_CITATION = None | |
_DESCRIPTION = """\ | |
QR-AN Dataset: a classification dataset on french Parliament debates | |
This is a dataset for theme/topic classification, made of questions and answers from https://www2.assemblee-nationale.fr/recherche/resultats_questions. | |
It contains 188 unbalanced classes, 80k questions-answers divided into 3 splits: train (60k), val (10k) and test (10k). | |
""" | |
_LABELS = [ | |
'administration', 'agriculture', 'agroalimentaire', 'aménagement du territoire', 'anciens combattants et victimes de guerre', | |
'animaux', 'aquaculture et pêche professionnelle', 'architecture', 'archives et bibliothèques', 'armes', 'arts et spectacles', | |
'associations', 'assurance invalidité décès', 'assurance maladie maternité : généralités', 'assurance maladie maternité : prestations', | |
'assurances', 'audiovisuel et communication', 'automobiles et cycles', 'avortement', 'banques et établissements financiers', | |
'bâtiment et travaux publics', 'baux', 'bioéthique', 'bois et forêts', "bourses d'études", 'cérémonies publiques et fêtes légales', | |
'chambres consulaires', 'chasse et pêche', 'chômage : indemnisation', 'collectivités territoriales', 'commerce et artisanat', | |
'commerce extérieur', 'communes', 'consommation', 'contributions indirectes', 'coopération intercommunale', 'copropriété', | |
'corps diplomatique et consulaire', "cours d'eau, étangs et lacs", 'cultes', 'culture', 'déchéances et incapacités', | |
'déchets, pollution et nuisances', 'décorations, insignes et emblèmes', 'défense', 'démographie', 'départements', | |
'donations et successions', 'drogue', 'droit pénal', "droits de l'Homme et libertés publiques", 'eau', 'économie sociale', | |
'éducation physique et sportive', 'élections et référendums', 'élevage', 'emploi', 'énergie et carburants', 'enfants', | |
'enregistrement et timbre', 'enseignement', 'enseignement : personnel', 'enseignement agricole', | |
'enseignement maternel et primaire', 'enseignement maternel et primaire : personnel', 'enseignement privé', | |
'enseignement secondaire', 'enseignement secondaire : personnel', 'enseignement supérieur', | |
'enseignement supérieur : personnel', 'enseignement technique et professionnel', | |
'enseignement technique et professionnel : personnel', 'enseignements artistiques', | |
'entreprises', 'environnement', 'ésotérisme', 'espace', 'établissements de santé', 'État', | |
'état civil', 'étrangers', 'famille', 'femmes', 'finances publiques', "fonction publique de l'État", | |
'fonction publique hospitalière', 'fonction publique territoriale', 'fonctionnaires et agents publics', | |
'formation professionnelle', "Français de l'étranger", 'frontaliers', 'gendarmerie', 'gens du voyage', | |
'grandes écoles', 'handicapés', 'heure légale', 'hôtellerie et restauration', 'impôt de solidarité sur la fortune', | |
'impôt sur le revenu', 'impôt sur les sociétés', 'impôts et taxes', 'impôts locaux', 'industrie', 'informatique', | |
'institutions sociales et médico-sociales', 'jeunes', 'jeux et paris', 'justice', 'langue française', 'logement', | |
'logement : aides et prêts', 'marchés financiers', 'marchés publics', 'matières premières', 'médecines parallèles', | |
'mer et littoral', 'mines et carrières', "ministères et secrétariats d'État", 'mort', 'moyens de paiement', 'nationalité', | |
'ordre public', 'organisations internationales', 'outre-mer', "papiers d'identité", 'Parlement', | |
'partis et mouvements politiques', 'patrimoine culturel', "pensions militaires d'invalidité", 'personnes âgées', | |
'pharmacie et médicaments', 'plus-values : imposition', 'police', 'politique économique', 'politique extérieure', | |
'politique sociale', 'politiques communautaires', 'postes', 'préretraites', 'presse et livres', 'prestations familiales', | |
'produits dangereux', 'professions de santé', 'professions immobilières', 'professions judiciaires et juridiques', | |
'professions libérales', 'professions sociales', 'propriété', 'propriété intellectuelle', 'publicité', 'rapatriés', | |
'recherche', 'régions', 'relations internationales', 'retraites : fonctionnaires civils et militaires', | |
'retraites : généralités', 'retraites : régime agricole', 'retraites : régime général', 'retraites : régimes autonomes et spéciaux', | |
'risques professionnels', 'saisies et sûretés', 'sang et organes humains', 'santé', 'secteur public', 'sécurité publique', | |
'sécurité routière', 'sécurité sociale', 'services', 'sociétés', 'sports', 'syndicats', 'système pénitentiaire', 'taxis', | |
'télécommunications', 'tourisme et loisirs', 'traités et conventions', 'transports', 'transports aériens', | |
'transports ferroviaires', 'transports par eau', 'transports routiers', 'transports urbains', 'travail', 'TVA', | |
'Union européenne', 'urbanisme', 'ventes et échanges', 'voirie' | |
] | |
class QRANConfig(datasets.BuilderConfig): | |
"""BuilderConfig for QR-AN.""" | |
def __init__(self, **kwargs): | |
"""BuilderConfig for QR-AN. | |
Args: | |
**kwargs: keyword arguments forwarded to super. | |
""" | |
super(QRANConfig, self).__init__(**kwargs) | |
class QRANDataset(datasets.GeneratorBasedBuilder): | |
"""QR-AN Dataset: Topic dataset on french Parliament questions-answers.""" | |
_DOWNLOAD_URL = "https://huggingface.co/datasets/cassandra-themis/QR-AN/resolve/main/" | |
_TRAIN_FILE = "train_data.txt" | |
_VAL_FILE = "val_data.txt" | |
_TEST_FILE = "test_data.txt" | |
_LABELS_DICT = {label: i for i, label in enumerate(_LABELS)} | |
BUILDER_CONFIGS = [ | |
QRANConfig( | |
name="qran_answer", | |
version=datasets.Version("1.0.0"), | |
description="QRAN Dataset: A classification task of French Parliament questions-answers", | |
), | |
QRANConfig( | |
name="qran_question", | |
version=datasets.Version("1.0.0"), | |
description="QRAN Dataset: A classification task of French Parliament questions-answers", | |
), | |
QRANConfig( | |
name="qran_full", | |
version=datasets.Version("1.0.0"), | |
description="QRAN Dataset: A classification task of French Parliament questions-answers", | |
), | |
QRANConfig( | |
name="qran_generation", | |
version=datasets.Version("1.0.0"), | |
description="QRAN Dataset: A generation task of French Parliament questions-answers", | |
) | |
] | |
DEFAULT_CONFIG_NAME = "qran_answer" | |
def _info(self): | |
if self.config.name == "qran_generation": | |
features = { | |
"question": datasets.Value("string"), | |
"answer": datasets.Value("string"), | |
} | |
else: | |
features = { | |
"text": datasets.Value("string"), | |
"label": datasets.features.ClassLabel(names=_LABELS), | |
} | |
return datasets.DatasetInfo( | |
description=_DESCRIPTION, | |
features=datasets.Features(features), | |
supervised_keys=None, | |
citation=_CITATION, | |
) | |
def _split_generators(self, dl_manager): | |
train_path = dl_manager.download_and_extract(self._TRAIN_FILE) | |
val_path = dl_manager.download_and_extract(self._VAL_FILE) | |
test_path = dl_manager.download_and_extract(self._TEST_FILE) | |
return [ | |
datasets.SplitGenerator( | |
name=datasets.Split.TRAIN, gen_kwargs={"filepath": train_path} | |
), | |
datasets.SplitGenerator( | |
name=datasets.Split.VALIDATION, gen_kwargs={"filepath": val_path} | |
), | |
datasets.SplitGenerator( | |
name=datasets.Split.TEST, gen_kwargs={"filepath": test_path} | |
), | |
] | |
def _generate_examples(self, filepath): | |
"""Generate QRAN examples.""" | |
with open(filepath, encoding="utf-8") as f: | |
for id_, row in enumerate(f): | |
data = json.loads(row) | |
answer, question = data["answer"], data["question"] | |
label = self._LABELS_DICT[data["label_name"]] | |
if self.config.name == "qran_generation": | |
yield id_, {"question": question, "answer": answer} | |
else: | |
if self.config.name == "qran_answer": | |
text = answer | |
elif self.config.name == "qran_question": | |
text = question | |
else: | |
text = question + " " + answer | |
yield id_, {"text": text, "label": label} | |