Dataset Card for "imdb-dutch-instruct"

Dataset Description

The original IMBD dataset was translated to Dutch with yhavinga/ul2-large-en-nl.

Then, the dataset is converted to an instruct-style dataset with the following templates:

The instruction templates:

"Is deze recensie positief of negatief?",
"Wat is het sentiment van de recensie?", 
"Wat voor toon heeft de volgende recensie?", 
"Met wat voor sentiment zou je deze recensie beoordelen?"

The target templates:

"De recensie is", 
"Gegeven de recensie, mijn antwoord is", 
"Deze recensie is", 
"De beoordeling hier is", 
"Het antwoord is"

The template IDs are here:

  (0, 'Is deze recensie positief of negatief?', 'De recensie is'),
  (1, 'Is deze recensie positief of negatief?', 'Gegeven de recensie, mijn antwoord is'),
  (2, 'Is deze recensie positief of negatief?', 'Deze recensie is'),
  (3, 'Is deze recensie positief of negatief?', 'De beoordeling hier is'),
  (4, 'Is deze recensie positief of negatief?', 'Het antwoord is'),
  (5, 'Wat is het sentiment van de recensie?', 'De recensie is'),
  (6, 'Wat is het sentiment van de recensie?', 'Gegeven de recensie, mijn antwoord is'),
  (7, 'Wat is het sentiment van de recensie?', 'Deze recensie is'),
  (8, 'Wat is het sentiment van de recensie?', 'De beoordeling hier is'),
  (9, 'Wat is het sentiment van de recensie?', 'Het antwoord is'),
  (10, 'Wat voor toon heeft de volgende recensie?', 'De recensie is'),
  (11, 'Wat voor toon heeft de volgende recensie?', 'Gegeven de recensie, mijn antwoord is'),
  (12, 'Wat voor toon heeft de volgende recensie?', 'Deze recensie is'),
  (13, 'Wat voor toon heeft de volgende recensie?', 'De beoordeling hier is'),
  (14, 'Wat voor toon heeft de volgende recensie?', 'Het antwoord is'),
  (15, 'Met wat voor sentiment zou je deze recensie beoordelen?', 'De recensie is'),
  (16, 'Met wat voor sentiment zou je deze recensie beoordelen?', 'Gegeven de recensie, mijn antwoord is'),
  (17, 'Met wat voor sentiment zou je deze recensie beoordelen?', 'Deze recensie is'),
  (18, 'Met wat voor sentiment zou je deze recensie beoordelen?', 'De beoordeling hier is'),
  (19, 'Met wat voor sentiment zou je deze recensie beoordelen?', 'Het antwoord is')
]```

### Dataset Summary

Large Movie Review Dataset translated to Dutch converted to instruct style.

This is a dataset for sentiment classification containing substantially more data than previous benchmark datasets.

### Languages and Example

This dataset contains Dutch data.

An example of 'train' looks as follows.

{ "inputs": "Is deze recensie positief of negatief?\n\nIk heb alle vier de films in deze serie gezien. Elke film wijkt steeds verder af van de boeken. Deze is de ergste tot nu toe. Mijn probleem is dat hij op geen enkele manier het boek volgt waar hij naar genoemd is! De regisseurs en producenten hadden hem een andere naam moeten geven dan 'Love's Abiding Joy'. Het enige aan deze film dat ook maar in de verte op het boek lijkt, zijn de namen van sommige personages (Willie, Missie, Henry, Clark, Scottie en Cookie). De namen/ouders/verzorgers van de kinderen kloppen niet. De hele verhaallijn staat nergens in het boek. '
Ik vind het een grote belediging voor Janette Oke, haar boeken en haar fans om een film onder haar titel te produceren die in geen enkel opzicht correct is. De muziek is te hard. De acteurs zijn niet overtuigend <0xE2><0x80><0x93> ze missen emoties.
Als je een goede familiefilm wilt, is dit misschien goed. Het is schoon. Maar kijk er niet naar, als je hoopt op een verkorte versie van het boek. Ik hoop dat dit de laatste film uit deze serie zal zijn, maar ik betwijfel het. Als er meer films worden gemaakt, zou ik willen dat Michael Landon jr. en anderen dichter bij de oorspronkelijke plot en verhaallijn zouden blijven. De boeken zijn uitstekend en als je ze goed leest, zijn het uitstekende films!", "targets": "Het antwoord is negatief."}

### Data Fields

The data fields are the same among all splits.

#### plain_text
- `inputs`: a `string` feature, starting with a question whether the review is positive or negative.
- `targets`: a `string` feature, with a template prefix and the final label.
- `template_lang`: a `string` feature, which indicates which language the sentence is in.
- `template_id`: an `int` feature, which indicates which template has been used

### Data Splits

|   name   |train|test |
|----------|----:|----:|
|plain_text|24992|24992|


### Official Citation Information
The original data is from here: https://huggingface.co/datasets/yhavinga/imdb_dutch

@InProceedings{maas-EtAl:2011:ACL-HLT2011, author = {Maas, Andrew L. and Daly, Raymond E. and Pham, Peter T. and Huang, Dan and Ng, Andrew Y. and Potts, Christopher}, title = {Learning Word Vectors for Sentiment Analysis}, booktitle = {Proceedings of the 49th Annual Meeting of the Association for Computational Linguistics: Human Language Technologies}, month = {June}, year = {2011}, address = {Portland, Oregon, USA}, publisher = {Association for Computational Linguistics}, pages = {142--150}, url = {http://www.aclweb.org/anthology/P11-1015} }

Created by [Mike Zhang](https://jjzha.github.io/)