卡内基梅隆大学 发布 PASTEL 数据集, 应用在 文体语言研究、数据标注 领域

卡内基梅隆大学 本次发布的数据集 PASTEL, PASTEL是一个大规模的人工标注平行文体语言数据集，包含约41,000个平行句子和8,300个平行故事，每个故事平均由2.63个标注者完成。数据集涵盖了性别、年龄、民族、居住国家、教育水平、政治观点和写作时间等七种不同的人格特质。数据集通过亚马逊Mechanical Turk平台收集，确保了输入含义的准确性和标注者的文体多样性。PASTEL数据集主要用于文体语言变化的研究，特别是在控制文体分类任务和监督文体转移任务中表现出色，有助于设计更精确的实验和评估模型。

查看PASTEL

README 内容： 

关于 卡内基梅隆大学 , 卡内基梅隆大学是一所位于美国宾夕法尼亚州匹兹堡的私立研究型大学，以其在计算机科学、工程、商学和艺术等领域的卓越教育和研究而闻名。

关于 arXiv , arXiv 是一个免费分发服务和开放获取的学术文章档案库，涵盖了物理学、数学、计算机科学、定量生物学、定量金融、统计学、电气工程和系统科学以及经济学等领域。该网站上的材料并未经过 arXiv 的同行评审。