ecthr_cases

Referencje:

przewidywanie rzekomego naruszenia

Użyj następującego polecenia, aby załadować ten zestaw danych do TFDS:

ds = tfds.load('huggingface:ecthr_cases/alleged-violation-prediction')
  • Opis :
The ECtHR Cases dataset is designed for experimentation of neural judgment prediction and rationale extraction considering ECtHR cases.
  • Licencja : CC BY-NC-SA (Creative Commons / Uznanie autorstwa-Użycie niekomercyjne-Na tych samych warunkach)
  • Wersja : 1.1.0
  • Podziały :
Podział Przykłady
'test' 1000
'train' 9000
'validation' 1000
  • Cechy :
{
    "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"
    }
}

przewidywanie naruszeń

Użyj następującego polecenia, aby załadować ten zestaw danych do TFDS:

ds = tfds.load('huggingface:ecthr_cases/violation-prediction')
  • Opis :
The ECtHR Cases dataset is designed for experimentation of neural judgment prediction and rationale extraction considering ECtHR cases.
  • Licencja : CC BY-NC-SA (Creative Commons / Uznanie autorstwa-Użycie niekomercyjne-Na tych samych warunkach)
  • Wersja : 1.1.0
  • Podziały :
Podział Przykłady
'test' 1000
'train' 9000
'validation' 1000
  • Cechy :
{
    "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"
    }
}