ecthr_cases

Riferimenti:

previsione-di-presunta-violazione

Utilizzare il comando seguente per caricare questo set di dati in TFDS:

ds = tfds.load('huggingface:ecthr_cases/alleged-violation-prediction')
  • Descrizione :
The ECtHR Cases dataset is designed for experimentation of neural judgment prediction and rationale extraction considering ECtHR cases.
  • Licenza : CC BY-NC-SA (Creative Commons / Attribuzione-Non commerciale-Condividi allo stesso modo)
  • Versione : 1.1.0
  • Divide :
Diviso Esempi
'test' 1000
'train' 9000
'validation' 1000
  • Caratteristiche :
{
    "facts": {
        "feature": {
            "dtype": "string",
            "id": null,
            "_type": "Value"
        },
        "length": -1,
        "id": null,
        "_type": "Sequence"
    },
    "labels": {
        "feature": {
            "dtype": "string",
            "id": null,
            "_type": "Value"
        },
        "length": -1,
        "id": null,
        "_type": "Sequence"
    },
    "silver_rationales": {
        "feature": {
            "dtype": "int32",
            "id": null,
            "_type": "Value"
        },
        "length": -1,
        "id": null,
        "_type": "Sequence"
    },
    "gold_rationales": {
        "feature": {
            "dtype": "int32",
            "id": null,
            "_type": "Value"
        },
        "length": -1,
        "id": null,
        "_type": "Sequence"
    }
}

previsione-violazione

Utilizzare il comando seguente per caricare questo set di dati in TFDS:

ds = tfds.load('huggingface:ecthr_cases/violation-prediction')
  • Descrizione :
The ECtHR Cases dataset is designed for experimentation of neural judgment prediction and rationale extraction considering ECtHR cases.
  • Licenza : CC BY-NC-SA (Creative Commons / Attribuzione-Non commerciale-Condividi allo stesso modo)
  • Versione : 1.1.0
  • Divide :
Diviso Esempi
'test' 1000
'train' 9000
'validation' 1000
  • Caratteristiche :
{
    "facts": {
        "feature": {
            "dtype": "string",
            "id": null,
            "_type": "Value"
        },
        "length": -1,
        "id": null,
        "_type": "Sequence"
    },
    "labels": {
        "feature": {
            "dtype": "string",
            "id": null,
            "_type": "Value"
        },
        "length": -1,
        "id": null,
        "_type": "Sequence"
    },
    "silver_rationales": {
        "feature": {
            "dtype": "int32",
            "id": null,
            "_type": "Value"
        },
        "length": -1,
        "id": null,
        "_type": "Sequence"
    }
}