SNLI

Le dataset SNLI propose 570 000 paires de phrases en anglais annotées manuellement pour la classification en entailment, contradiction ou neutral, essentielle à l’inférence textuelle en NLP.

Télécharger le dataset

Taille

570 000 paires phrase-premise/hypothèse, format JSON

Licence

CC-BY-SA 4.0

Description

‍

SNLI est un corpus majeur pour la tâche de Natural Language Inference (NLI). Chaque exemple contient une phrase "premise" et une phrase "hypothesis" annotées avec un label indiquant si la deuxième implique la première, la contredit, ou est neutre.

‍

À quoi sert ce dataset ?

‍

Entraîner et évaluer des modèles d’inférence textuelle
Améliorer la compréhension sémantique dans les systèmes NLP
Tester la capacité des modèles à raisonner sur des relations logiques entre phrases

‍

Peut-on l’enrichir ou l’améliorer ?

‍

Oui, en ajoutant des exemples dans d’autres langues, en enrichissant les annotations ou en intégrant des explications des décisions pour un apprentissage plus transparent.

‍

🔎 En résumé

Critère	Évaluation
🧩 Facilité d’utilisation	⭐⭐⭐⭐⭐ (Format simple et largement supporté)
🧼 Besoin de nettoyage	⭐⭐⭐⭐⭐ (Très faible, données prêtes à l’emploi)
🏷️ Richesse des annotations	⭐⭐⭐⭐✩ (Bonne, avec trois labels équilibrés)
📜 Licence commerciale	✅ Oui (CC-BY-SA 4.0)
👨‍💻 Idéal pour les débutants	🌟 Oui, souvent utilisé comme dataset de référence
🔁 Réutilisable en fine-tuning	🎯 Parfait pour fine-tuning sur tâches de compréhension textuelle
🌍 Diversité culturelle	⚡ Anglais, textes issus d’utilisateurs de Flickr et Amazon Mechanical Turk