wikinews-fr-100_fr_prompt_keywords_extraction

Summary

wikinews-fr-100_fr_prompt_keywords_extraction is a subset of the Dataset of French Prompts (DFP).
It contains 2,100 rows that can be used for a keywords_extraction task.
The original data (without prompts) comes from the dataset wikinews-fr-100.
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 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 2,100 samples
• no valid split
• no test split

How to use?

from datasets import load_dataset
dataset = load_dataset("CATIE-AQ/wikinews-fr-100_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