metadata
language:
- fr
size_categories: 10K<n<100K
task_categories:
- summarization
- text-classification
- text-generation
task_ids:
- multi-class-classification
- topic-classification
tags:
- conditional-text-generation
dataset_info:
config_name: qran_answer
features:
- name: text
dtype: string
- name: label
dtype:
class_label:
names:
'0': administration
'1': agriculture
'2': agroalimentaire
'3': aménagement du territoire
'4': anciens combattants et victimes de guerre
'5': animaux
'6': aquaculture et pêche professionnelle
'7': architecture
'8': archives et bibliothèques
'9': armes
'10': arts et spectacles
'11': associations
'12': assurance invalidité décès
'13': 'assurance maladie maternité : généralités'
'14': 'assurance maladie maternité : prestations'
'15': assurances
'16': audiovisuel et communication
'17': automobiles et cycles
'18': avortement
'19': banques et établissements financiers
'20': bâtiment et travaux publics
'21': baux
'22': bioéthique
'23': bois et forêts
'24': bourses d'études
'25': cérémonies publiques et fêtes légales
'26': chambres consulaires
'27': chasse et pêche
'28': 'chômage : indemnisation'
'29': collectivités territoriales
'30': commerce et artisanat
'31': commerce extérieur
'32': communes
'33': consommation
'34': contributions indirectes
'35': coopération intercommunale
'36': copropriété
'37': corps diplomatique et consulaire
'38': cours d'eau, étangs et lacs
'39': cultes
'40': culture
'41': déchéances et incapacités
'42': déchets, pollution et nuisances
'43': décorations, insignes et emblèmes
'44': défense
'45': démographie
'46': départements
'47': donations et successions
'48': drogue
'49': droit pénal
'50': droits de l'Homme et libertés publiques
'51': eau
'52': économie sociale
'53': éducation physique et sportive
'54': élections et référendums
'55': élevage
'56': emploi
'57': énergie et carburants
'58': enfants
'59': enregistrement et timbre
'60': enseignement
'61': 'enseignement : personnel'
'62': enseignement agricole
'63': enseignement maternel et primaire
'64': 'enseignement maternel et primaire : personnel'
'65': enseignement privé
'66': enseignement secondaire
'67': 'enseignement secondaire : personnel'
'68': enseignement supérieur
'69': 'enseignement supérieur : personnel'
'70': enseignement technique et professionnel
'71': 'enseignement technique et professionnel : personnel'
'72': enseignements artistiques
'73': entreprises
'74': environnement
'75': ésotérisme
'76': espace
'77': établissements de santé
'78': État
'79': état civil
'80': étrangers
'81': famille
'82': femmes
'83': finances publiques
'84': fonction publique de l'État
'85': fonction publique hospitalière
'86': fonction publique territoriale
'87': fonctionnaires et agents publics
'88': formation professionnelle
'89': Français de l'étranger
'90': frontaliers
'91': gendarmerie
'92': gens du voyage
'93': grandes écoles
'94': handicapés
'95': heure légale
'96': hôtellerie et restauration
'97': impôt de solidarité sur la fortune
'98': impôt sur le revenu
'99': impôt sur les sociétés
'100': impôts et taxes
'101': impôts locaux
'102': industrie
'103': informatique
'104': institutions sociales et médico-sociales
'105': jeunes
'106': jeux et paris
'107': justice
'108': langue française
'109': logement
'110': 'logement : aides et prêts'
'111': marchés financiers
'112': marchés publics
'113': matières premières
'114': médecines parallèles
'115': mer et littoral
'116': mines et carrières
'117': ministères et secrétariats d'État
'118': mort
'119': moyens de paiement
'120': nationalité
'121': ordre public
'122': organisations internationales
'123': outre-mer
'124': papiers d'identité
'125': Parlement
'126': partis et mouvements politiques
'127': patrimoine culturel
'128': pensions militaires d'invalidité
'129': personnes âgées
'130': pharmacie et médicaments
'131': 'plus-values : imposition'
'132': police
'133': politique économique
'134': politique extérieure
'135': politique sociale
'136': politiques communautaires
'137': postes
'138': préretraites
'139': presse et livres
'140': prestations familiales
'141': produits dangereux
'142': professions de santé
'143': professions immobilières
'144': professions judiciaires et juridiques
'145': professions libérales
'146': professions sociales
'147': propriété
'148': propriété intellectuelle
'149': publicité
'150': rapatriés
'151': recherche
'152': régions
'153': relations internationales
'154': 'retraites : fonctionnaires civils et militaires'
'155': 'retraites : généralités'
'156': 'retraites : régime agricole'
'157': 'retraites : régime général'
'158': 'retraites : régimes autonomes et spéciaux'
'159': risques professionnels
'160': saisies et sûretés
'161': sang et organes humains
'162': santé
'163': secteur public
'164': sécurité publique
'165': sécurité routière
'166': sécurité sociale
'167': services
'168': sociétés
'169': sports
'170': syndicats
'171': système pénitentiaire
'172': taxis
'173': télécommunications
'174': tourisme et loisirs
'175': traités et conventions
'176': transports
'177': transports aériens
'178': transports ferroviaires
'179': transports par eau
'180': transports routiers
'181': transports urbains
'182': travail
'183': TVA
'184': Union européenne
'185': urbanisme
'186': ventes et échanges
'187': voirie
splits:
- name: train
num_bytes: 183336142
num_examples: 63683
- name: validation
num_bytes: 28746666
num_examples: 10000
- name: test
num_bytes: 28694899
num_examples: 10000
download_size: 119222760
dataset_size: 240777707
configs:
- config_name: qran_answer
data_files:
- split: train
path: qran_answer/train-*
- split: validation
path: qran_answer/validation-*
- split: test
path: qran_answer/test-*
default: true
QR-AN Dataset: a classification and generation dataset of french Parliament questions-answers.
This is a dataset for theme/topic classification, made of questions and answers from https://www2.assemblee-nationale.fr/recherche/resultats_questions . \
It contains 188 unbalanced classes, 80k questions-answers divided into 3 splits: train (60k), val (10k) and test (10k). \
Can be used for generation with 'qran_generation'
This dataset is compatible with the run_summarization.py script from Transformers if you add this line to the summarization_name_mapping variable:
"ccdv/cass-summarization": ("question", "answer")
Compatible with run_glue.py script:
export MODEL_NAME=camembert-base
export MAX_SEQ_LENGTH=512
python run_glue.py \
--model_name_or_path $MODEL_NAME \
--dataset_name cassandra-themis/QR-AN \
--do_train \
--do_eval \
--max_seq_length $MAX_SEQ_LENGTH \
--per_device_train_batch_size 8 \
--gradient_accumulation_steps 4 \
--learning_rate 2e-5 \
--num_train_epochs 1 \
--max_eval_samples 500 \
--output_dir tmp/QR-AN