矛盾侦探瓦森翻译数据集
数据来源：互联网公开数据
标签：自然语言处理,数据增强,翻译,机器学习,文本分析,竞赛数据
数据概述：
本数据集为“Contradictory, My Dear Watson”竞赛的训练与测试数据集，经过翻译增强处理。该数据集利用了@jpmiller的数据增强技巧，通过翻译来扩展原始数据集。由于竞赛的单次运行时间限制在2小时，为了训练K-Fold XLM Roberta模型，作者在预处理步骤中进行了数据增强。增强后的训练数据集包含24240行，而原始竞赛数据仅包含12120条记录。数据集中包含了ID、前提、假设、标签以及文本语言及其双字母缩写信息。测试数据集包含ID、前提、假设、语言及其双字母缩写，但不包含标签。
数据用途概述：
该数据集适用于自然语言处理任务中的矛盾检测研究，特别适合需要大规模多语言数据集的场景。研究者可以利用此数据集训练和评估多语言文本分类模型，如XLM Roberta。竞赛参与者可以使用该数据集来提高模型的泛化能力，并在比赛中取得更好的成绩。此外，该数据集也可以用于教育培训，帮助学习者理解多语言文本处理技术及其在矛盾检测中的应用。
