De Dataset Synthetische Simplificatie werd binnen het project Duidelijke Taal samengesteld en is gebaseerd op de WR-P-E-I-component (websites) van het SoNaR-corpus. De dataset bestaat uit drie delen: 6.986 zinnen uit het SoNaR-corpus, een synthetische vereenvoudiging van de SoNaR-zinnen die gemaakt werd door GPT-4 en zinsparen bestaande uit telkens een SoNaR-zin en de vereenvoudigde versie daarvan.
Productdetails
| Dataformaat | .txt |
| Jaar | 2024 |
| Eigenaar | Instituut voor de Nederlandse Taal |
| Crowdsourcingapplicatie | https://duidelijketaal.ivdnt.org/ |
| Publicatie | Vincent Vandeghinste, Job van Doeslaar en Bram Vanroy (2024). Menselijke evaluatie van geautomatiseerde tekstvereenvoudiging door middel van crowdsourcing |
| Refereren | Dataset Synthetische Simplificatie (Version 1.0) (2024) [Data set]. Available at the Dutch Language Institute: https://hdl.handle.net/10032/tm-a2-y7 |
| Talen | Nederlands |
| Omvang | 6.986 originele zinnen en 6.986 vereenvoudigde zinnen |
| Versie | 1.0 |
Downloaddetails
| Bestand | |
|---|---|
| SABeD-corpus_1.0.zip |
- Aantal bestanden 1
- Aantal downloads 35
- Bestandsgrootte 146.62 MB
- Datum plaatsing 07/11/2024
- Laatst bijgewerkt 12/11/2024
- Versie 1.0