Al hacer clic en "Aceptar", usted acepta que se almacenen cookies en su dispositivo para mejorar la navegación del sitio, analizar su uso y contribuir a nuestros esfuerzos de marketing. Consulte nuestra política de privacidad para más información.  pour plus d'informations.
Open Datasets
MultiNLI — Inferencia multigénero
Texto

MultiNLI — Inferencia multigénero

Un corpus masivo de código abierto para entrenar modelos para detectar el corte, la neutralidad o la contradicción entre dos oraciones de diferentes géneros textuales.

Obtén el dataset
Tamaño

433 000 pares de frases en texto plano, formatos JSON

Licencia

MIT

Descripción

‍

MultinLI (Inferencia del lenguaje natural multigénero) es un conjunto de datos de más de 430 000 pares de oraciones anotadas con relaciones de inferencia lógicas: melosas, neutrales y contradictorias. Abarca una amplia variedad de géneros, que van desde textos gubernamentales hasta ficciones, lo que permite poner a prueba la capacidad de generalizar modelos entre diferentes estilos de lenguaje.

‍

‍

¿Para qué sirve este conjunto de datos?

‍

  • Entrene modelos para detectar la inferencia lógica entre dos oraciones (NLI)
  • Evalúe la solidez de los modelos de PNL en varios campos
  • Creación de sistemas de control de calidad o de diálogo que sean sensibles al contexto semántico

‍

‍

¿Se puede enriquecer o mejorar?

‍

Sí Es posible completar este conjunto de datos con traducciones para crear una versión multilingüe o anotarlo con puntuaciones de confianza para cada etiqueta. También es posible aumentar la diversidad lingüística mezclando géneros o añadiendo hipótesis generadas automáticamente.

‍

‍

🔎 En resumen

Criterio Evaluación
🧩 Facilidad de uso⭐⭐⭐⭐⭐ (Formato claro, listo para usar)
🧼 Necesidad de limpieza⭐⭐⭐⭐⭐ (Bajo: datos ya bien estructurados)
🏷️ Riqueza de anotaciones⭐⭐⭐✩✩ (3 clases - entailment, neutral, contradiction — bien balanceadas)
📜 Licencia comercial✅ Sí (MIT)
👨‍💻 Ideal para principiantes🌟 Sí, buen punto de partida para NLI
🔁 Reutilizable para fine-tuning🎯 Excelente para afinar modelos como BERT o RoBERTa
🌍 Diversidad cultural⚠️ Moderado: solo inglés, pero multi-géneros

‍

‍

🧠 Recomendado para

  • Investigadores de PNL
  • Modelos tipo Bert
  • Evaluación interdisciplinaria

‍

‍

🔧 Herramientas compatibles

  • Hugging Face Datasets
  • PyTorch
  • TensorFlow
  • Scikit-learn

‍

‍

💡 Consejo

Filtra los ejemplos con una etiqueta -1 antes del entrenamiento para evitar datos ruidosos.

Preguntas frecuentes

¿Cuál es la diferencia entre MultinLI y SNLI?

SNLI cubre principalmente descripciones de imágenes, mientras que MultinLI incluye numerosos estilos de texto, lo que lo hace más general y robusto.

¿Se puede usar MultinLI para evaluar modelos multilingües?

No directamente, ya que solo está en inglés. Pero se puede utilizar como base para la adaptación multilingüe mediante la traducción.

¿El conjunto de datos es adecuado para ajustar modelos grandes como GPT o BERT?

Sí, es particularmente útil para refinar modelos tipo Transformer para tareas de inferencia o comprensión semántica.

Otros datasets

Ver más
Category

Lorem ipsum dolor sit amet, consectetur adipiscing elit. Suspendisse varius enim in eros elementum tristique.

Category

Lorem ipsum dolor sit amet, consectetur adipiscing elit. Suspendisse varius enim in eros elementum tristique.

Category

Lorem ipsum dolor sit amet, consectetur adipiscing elit. Suspendisse varius enim in eros elementum tristique.