import datasets import json from typing import List from typing import Union _LICENSE = """ ## 第二届中文空间语义理解评测 SpaCE2022 数据集使用许可 由 北京大学计算语言学研究所 授权给(使用者) #### 一 1. 任何使用本数据集的主体都需要知晓、理解并同意本许可的全部内容。 2. 传播本数据集的主体必须同时提供本许可并要求传播受众知晓、理解并同意本许可的全部内容。 3. 使用本数据集即代表知晓、理解并同意本许可的全部内容。 #### 二 1. 本数据集的版权归北京大学计算语言学研究所(下简称“版权所有者”)所有。 2. 本数据集将分阶段在 第二届中文空间语义理解评测 SpaCE2022 活动中发布。 3. 版权所有者对本数据集内容有权进行任何修改,修改后,如无特殊说明,使用者仍需遵守本许可的条款。 4. 版权所有者对本数据集的名称、网站等相关信息、材料等有权进行任何修改,修改后,如无特殊说明,使用者仍需遵守本许可的条款。 #### 三 1. 本数据集仅供以下用途使用: (1) 参赛选手在比赛中使用。参看《[第二届中文空间语义理解评测 SpaCE2022 参赛协议](https://github.com/2030NLP/SpaCE2022/blob/main/Agreement.md)》。 (2) 高校、科研机构在科学研究中使用。 2. 本数据集禁止用于任何商业目的,不提供任何形式的商业授权。除了在参与第二届中文空间语义理解评测 SpaCE2022 的过程中为参赛而使用本数据集,公司或其他商业机构禁止使用本数据集。 3. 使用本数据进行科学研究,发表论文或其他材料时应注明来源信息,如:“本研究使用了北京大学组织的第二届中文空间语义理解评测提供的 SpaCE2022 数据集”,并在参考文献中引用版权所有者的评测报告论文(**请关注举办方后续的论文发表情况**)。 #### 四 1. 本许可证的最终解释权归属于版权所有者。 北京大学计算语言学研究所 2022年5月23日 """ _DESCRIPTION = """SpaCE2022""" _CITATION = """ """ _DESCRIPTION_TASK1 = """SpaCE2022 Task1""" _DESCRIPTION_TASK2 = """SpaCE2022 Task2""" _DESCRIPTION_TASK3 = """SpaCE2022 Task3""" _DESCRIPTION_DICT = { 'task1': _DESCRIPTION_TASK1, 'task2': _DESCRIPTION_TASK2, 'task3': _DESCRIPTION_TASK3, } # _URLS_ROOT = "https://huggingface.co./datasets/2030NLP/SpaCE2022/raw/main/" _URLS_ROOT = "./" _URLS_DICT = { 'task1': { 'train': _URLS_ROOT + "data/task1/task1_train.jsonl", 'dev': _URLS_ROOT + "data/task1/task1_dev.jsonl", }, 'task2': { 'train': _URLS_ROOT + "data/task2/task2_train.jsonl", 'dev': _URLS_ROOT + "data/task2/task2_dev.jsonl", }, 'task3': { 'train': _URLS_ROOT + "data/task3/task3_train.jsonl", 'dev': _URLS_ROOT + "data/task3/task3_dev.jsonl", }, } XXXX = datasets.Sequence([{ 'text': datasets.Sequence(datasets.Value('string')), 'idxes': datasets.Sequence(datasets.Value('int32')), }]) _FEATURES_DICT = { 'task1': { "qid": datasets.Value(dtype="string"), "context": datasets.Value(dtype="string"), "judge": datasets.Value(dtype="int8"), }, 'task2': { "qid": datasets.Value(dtype="string"), "context": datasets.Value(dtype="string"), "reasons": datasets.Sequence( feature={ "fragments": datasets.Sequence( feature={ "role": datasets.ClassLabel(num_classes=11, names=['S', 'P', 'E', 'S1', 'P1', 'E1', 'S2', 'P2', 'E2', 'text1', 'text2']), "text": datasets.Value(dtype="string"), "idxes": datasets.Sequence(datasets.Value("int32")), }, ), "type": datasets.ClassLabel(num_classes=3, names=['A', 'B', 'C']), }, ), }, 'task3': { "qid": datasets.Value(dtype="string"), "context": datasets.Value(dtype="string"), "corefs": datasets.Sequence(datasets.Sequence(feature={ "text": datasets.Value("string"), "idxes": datasets.Sequence(datasets.Value("int32")), })), "non_corefs": datasets.Sequence(datasets.Sequence(feature={ "text": datasets.Value("string"), "idxes": datasets.Sequence(datasets.Value("int32")), })), # "outputs": datasets.Sequence(datasets.Sequence(feature={ # "text": datasets.Value("string"), # "idxes": datasets.Sequence(datasets.Value("int32")), # })), "outputs": datasets.Sequence(datasets.Sequence(feature={})), }, } _split_name_map = { 'train': datasets.Split.TRAIN, 'dev': datasets.Split.VALIDATION, 'test': datasets.Split.TEST, } class SpaCE2022Config(datasets.BuilderConfig): """BuilderConfig for SpaCE2022.""" def __init__(self, splits, **kwargs): # Version history: # 1.4.0: final version used in SpaCE2022 Eval. super().__init__(version=datasets.Version("1.4.0"), **kwargs) self.splits = splits class SpaCE2022(datasets.GeneratorBasedBuilder): """The SpaCE2022 benchmark.""" BUILDER_CONFIGS = [ SpaCE2022Config( name="task1", splits=['train', 'dev'], ), SpaCE2022Config( name="task2", splits=['train', 'dev'], ), # SpaCE2022Config( # name="task3", # splits=['train', 'dev'], # ), ] def _info(self): return datasets.DatasetInfo( description=_DESCRIPTION_DICT[self.config.name], features=datasets.Features(_FEATURES_DICT[self.config.name]), homepage="https://2030nlp.github.io/SpaCE2022/", citation=_CITATION, license=_LICENSE, ) def _split_generators(self, dl_manager: datasets.DownloadManager) -> List[datasets.SplitGenerator]: # 在 hugging face 中如何为 dataset 创建 _split_generators 函数? split_things = [] for split_name in self.config.splits: # print('') split_data_path = _URLS_DICT[self.config.name][split_name] # print(split_data_path) filepath = dl_manager.download(split_data_path) # print(filepath) # print('') split_thing = datasets.SplitGenerator( name=_split_name_map[split_name], gen_kwargs={ "task": self.config.name, "filepath": filepath, "split": split_name, } ) split_things.append(split_thing) return split_things def _generate_examples(self, task, filepath, split): try: with open(filepath, encoding="utf-8") as ff: keys = _FEATURES_DICT[task].keys() for idx, line in enumerate(ff): example = json.loads(line.strip()) example = {kk: example[kk] for kk in keys if kk in example} print('') print(example) print('') qid = example.get("qid") # print(qid) jj = (split == qid.split("-")[1]) # print(jj) if jj: yield qid, example except Exception as error: print(error)