HYUKI5/12ml__e-CARE

12ml/e-CARE（複製）

データの内容

英語の因果推論の問いに説明を添えたデータ。1 行が 1 つの問いで、premise に前提の文、question と choice1・choice2 に問いと 2 つの選択肢、label に正解、conceptual_explanation に因果関係の自然言語の説明が入っている。Du et al. (2022) の e-CARE を非公式に再アップロードしたもので、説明は人手でアノテーションされている。元の変数名は COPA に合わせて改変されており、公開されているのは train と development だけで、ライセンスは不明である。

データの概要

項目	値
行数	17,050（1 構成・2 分割の合計）
列数	7
容量	3.27 MB（ファイル 4 本）
ファイルの形式	csv 2
言語	en
公開	public

構成と分割

構成（config）	分割（split）ごとの行数	列数
default	train 14,928、validation 2,122	7

列（構成 default・分割 train）

列	型	先頭の行の値
idx	string	train-0
premise	string	There is a light rain today.
question	string	effect
choice1	string	The roots of many plants are not moistened by ra…
choice2	string	Tourists have seen many ripples.
label	int64	0
conceptual_explanation	string	Precipitation reaches soil surfaces.

行数と列は HF のデータセットビューアの集計（元のデータセットの現在の版で数えたもの）。全データセットの一覧は HYUKI5/dataset-catalog にある。

複製について

12ml/e-CARE をリビジョン a9c788710144e6edd31f925345fa107c0634e223 の時点でそのまま複製したもの。中身は変えていない。判断モデル Laya（convaiinnovations/laya）の微調整に使う候補として、調査メモ（Laya 学習用データセット調査）に載せたデータを集めている。

出典

• 元のデータセット: https://huggingface.co/datasets/12ml/e-CARE
• 複製したリビジョン: a9c788710144e6edd31f925345fa107c0634e223（2024-03-25 22:50:31+00:00）
• 元のライセンス表記: other

論文

• https://arxiv.org/abs/2205.05849

アノテーションの方法

（元のカードに該当の見出しが無いので、ラベルの付け方に触れた段落を抜き出した）

因果関係の理解は、さまざまな自然言語処理（NLP）の応用にとって極めて重要である。ラベル付きの事例に加えて、因果関係の概念的な説明は、因果的事実の深い理解をもたらし、因果推論の過程を助けられる。しかし、既存の因果推論の資源には、そのような説明の情報がまだ欠けている。本論文では、人手でアノテーションした説明可能な因果推論データセット（e-CARE）を提示して、この欠落を埋める。e-CARE は 2 万件を超える因果推論の質問と、その質問に対する自然言語の説明を含む。実験の結果、因果的事実に対して妥当な説明を生成することは、最先端のモデルにとってもなお特に難しく、説明の情報は因果推論モデルの精度と安定性を高めるのに役立つことが示された。

微調整に使うときの注意

• 調査メモの台帳での区分: B（継承条件・gated・モデル由来の条件・上流の規約などが付く）。区分は記載の文言で機械的に付けたもので、法的な判定ではない。学習に入れる前に元のカードとライセンスの原文で確かめる。
• Laya の入力は 2,048 token まで（ModernBERT-large / mmBERT）。長い本文は先頭から黙って切られるので、切れる行は事前に除くか、要約・切り出しをしてから入れる。
• 分割は記事・文書単位で行い、同じ本文から作った別の問いを学習側と較正側に分けない。温度と閾値は学習に使っていない分割で別々に当てる。

調査メモの記述

メモ	節	ライセンス（記載）	確認	注記
reasoning_argument_numeric.md	Q3. 因果関係（有無・向き・相関と因果の混同・反実仮想）のラベルが付いたデータは何があるか (L77)	license 記載なし（HF）。arXiv の「view license」は論文本体の CC BY 4.0 表示で、データの条件は不明	確認済	上流/条件注記 ／ Q3 参照(食い違い・要確認) ／ 原文注記: カードに「変数名を COPA に合わせて改変」とある。COPA 型の短文（"There is a light rain today." など）で、ニュースの文体ではない。ライセンス不明
jev_sources_tasksource_bekko.csv	CSV（tasksource-jev-typed-decisions）	BSD 2-Clause License (DPI) / license_use=commercial	確認済	license_use=commercial ／ [Jev 元データ source] source_annotation_converted(deterministic recast; no model r

元のカード（日本語訳）

以下は元のデータセットのカードの本文を日本語に訳したもの（機械翻訳）。訳に疑問があるときは、末尾の原文を確かめる。

---

(Du et al., 2022) のデータセット（非公式の再アップロード）

要旨

因果関係の理解は、さまざまな自然言語処理（NLP）の応用にとって極めて重要である。ラベル付きの事例に加えて、因果関係の概念的な説明は、因果的事実の深い理解をもたらし、因果推論の過程を助けられる。しかし、既存の因果推論の資源には、そのような説明の情報がまだ欠けている。本論文では、人手でアノテーションした説明可能な因果推論データセット（e-CARE）を提示して、この欠落を埋める。e-CARE は 2 万件を超える因果推論の質問と、その質問に対する自然言語の説明を含む。実験の結果、因果的事実に対して妥当な説明を生成することは、最先端のモデルにとってもなお特に難しく、説明の情報は因果推論モデルの精度と安定性を高めるのに役立つことが示された。

注記

これは 元の e-CARE データセット の非公式の再アップロードである。元の著者や Hugging Face チームとは関係がない。詳細は元の論文を参照されたい。 元のデータセットは、変数名が COPA データセット（Roemmele et al., 2011）のものと一致するように改変されている。また、公開されているのは train と development の集合だけである。

参考文献

Du, L., Ding, X., Xiong, K., Liu, T., & Qin, B. (2022). e-CARE: a New Dataset for Exploring Explainable Causal Reasoning. arXiv preprint arXiv:2205.05849.

Roemmele, M., Bejan, C., and Gordon, A. (2011) Choice of Plausible Alternatives: An Evaluation of Commonsense Causal Reasoning. AAAI Spring Symposium on Logical Formalizations of Commonsense Reasoning, Stanford University, March 21-23, 2011.

原文（英語）

Dataset of (Du et al., 2022) (Unofficial reupload)

Abstract

Understanding causality has vital importance for various Natural Language Processing (NLP) applications. Beyond the labeled instances, conceptual explanations of the causality can provide deep understanding of the causal fact to facilitate the causal reasoning process. However, such explanation information still remains absent in existing causal reasoning resources. In this paper, we fill this gap by presenting a human-annotated explainable CAusal REasoning dataset (e-CARE), which contains over 20K causal reasoning questions, together with natural language formed explanations of the causal questions. Experimental results show that generating valid explanations for causal facts still remains especially challenging for the state-of-the-art models, and the explanation information can be helpful for promoting the accuracy and stability of causal reasoning models.

Notes

This is an unofficial reupload of the original e-CARE dataset. We are not affiliated with the original authors and the Hugging Face team. Please refer to the original paper for more details. Please note that the original dataset has been modified so that the variable names match with those in the COPA dataset (Roemmele et al., 2011). In addition, only the training and the development sets are publicly available.

References

Du, L., Ding, X., Xiong, K., Liu, T., & Qin, B. (2022). e-CARE: a New Dataset for Exploring Explainable Causal Reasoning. arXiv preprint arXiv:2205.05849.

Roemmele, M., Bejan, C., and Gordon, A. (2011) Choice of Plausible Alternatives: An Evaluation of Commonsense Causal Reasoning. AAAI Spring Symposium on Logical Formalizations of Commonsense Reasoning, Stanford University, March 21-23, 2011.