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.
The Synthetic Simplification Dataset was compiled within the Duidelijke Taal project and is based on the WR-P-E-I component (websites) of the SoNaR corpus. The dataset consists of three parts: 6,986 sentences from the SoNaR corpus, a synthetic simplification of the SoNaR sentences created by GPT-4 and sentence pairs consisting of one SoNaR sentence and its simplified version each.
Productdetails
Dataformaat | .txt |
Jaar | 2024 |
Eigenaar | Instituut voor de Nederlandse Taal |
Crowdsourcingapplicatie | https://duidelijketaal.ivdnt.org/ |
Publicatie | Vincent Vandeghinste, Job van Doeselaar 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 versies daarvan |
Versie | 1.0 |
Downloaddetails
Bestand | |
---|---|
DuidelijkeTaal_DatasetSynthetischeSimplificatie_1.0.zip |
- Aantal bestanden 1
- Aantal downloads 36
- Bestandsgrootte 146.62 MB
- Datum plaatsing 07/11/2024
- Laatst bijgewerkt 25/11/2024
- Versie 1.0