HYUKI5/amanrangapur__Fin-Fact

amanrangapur/Fin-Fact（複製）

データの内容

金融分野の主張（claim）のファクトチェックと説明の生成のためのデータ。1 行が 1 件の主張に対応し、主張を claim、根拠を evidence、判定ラベルを label、正当化の説明を justification に入れている。画像とそのキャプションも含むマルチモーダルなデータで、ライセンスは MIT である。

データの概要

項目	値
行数	3,369（1 構成・1 分割の合計）
列数	11
容量	30.88 MB（ファイル 3 本）
ファイルの形式	json 1
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 3,369	11

列（構成 default・分割 train）

列	型	先頭の行の値
url	string	https://www.snopes.com/fact-check/biden-sharehol…
claim	string	Did Biden Call for an 'End to Shareholder Capita…
author	string	Dan MacGuill
posted	string	08/06/2020
sci_digest	list<string>	[1 件]
justification	string	In the summer of 2020, multiple readers asked Sn…
issues	list<string>	[1 件]
image_data	list<struct{image_caption: string, image_src: string}>	[2 件]
evidence	list<struct{hrefs: list<string>, sentence: string}>	[5 件]
label	string	false
visualization_bias	int64	null

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

amanrangapur/Fin-Fact をリビジョン 132edc57f5130f794725cd2b3c90fd15cd828f7a 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/amanrangapur/Fin-Fact
• 複製したリビジョン: 132edc57f5130f794725cd2b3c90fd15cd828f7a（2024-09-14 01:14:54+00:00）
• 元のライセンス表記: apache-2.0

論文

• https://arxiv.org/abs/2309.08793

アノテーションの方法

元のカードにアノテーションの節が無かった。下の「調査メモの記述」と「元のカード」を参照。

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	Q5. 表を根拠にした主張の正誤（事実検証）のラベルが付いたデータは何があるか (L133)	apache-2.0（HF 表記）。GitHub は MIT（alphaxiv_chat_and_buyside.md）。claim 本文は Snopes 等の	確認済	複数/混在/上流/条件注記 ／ Q3 参照(食い違い・要確認) ／ 原文注記: 金融セクターの主張というカード記述だが、先頭 2 行は政治・保険の噂。分野の内訳は未確認。split が 1 本のみ

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。

---

Fin-Fact - 金融のファクトチェックのデータセット

概要

Fin-Fact リポジトリへようこそ。Fin-Fact は、金融のファクトチェックと説明の生成のために特別に設計された包括的なデータセットである。この README では、データセットの概要、使い方、その他の関連情報を説明する。論文には こちら からアクセスできる。

データセットの説明

• 名前: Fin-Fact
• 目的: 金融分野におけるファクトチェックと説明の生成。
• ラベル: データセットには、Claim、Author、Posted Date、Sci-digest、Justification、Evidence、Evidence href、Image href、Image Caption、Visualisation Bias Label、Issues、Claim Label など、さまざまなラベルが含まれる。
• 規模: データセットは、複数の金融部門にまたがる 3121 件の主張からなる。
• 追加の特徴: データセットは文章の主張にとどまらず、画像とそのキャプションを含む視覚的な要素も取り入れている。

データセットの使い方

Fin-Fact は、金融分野の研究者、データサイエンティスト、ファクトチェッカーにとって価値のある資源である。使い方は次のとおり:

1. データセットのダウンロード: Fin-Fact データセットは こちら からダウンロードできる。
2. 探索的データ分析: データセットの構造、分布、起こりうるバイアスを理解するために、探索的データ分析を行う。
3. 自然言語処理（NLP）のタスク: ファクトチェック、主張の検証、説明の生成などの各種 NLP タスクにデータセットを使う。
4. ファクトチェックの実験: テキストと画像の分析を含む機械学習モデルを、データセットを使って学習・評価し、ファクトチェックシステムの精度を高める。

引用

@misc{rangapur2023finfact,
      title={Fin-Fact: A Benchmark Dataset for Multimodal Financial Fact Checking and Explanation Generation}, 
      author={Aman Rangapur and Haoran Wang and Kai Shu},
      year={2023},
      eprint={2309.08793},
      archivePrefix={arXiv},
      primaryClass={cs.AI}
}

貢献

Fin-Fact の改善に向けたコミュニティからの貢献を歓迎する。提案、バグ報告、またはコードやデータの提供を希望する場合は、指針について CONTRIBUTING.md を確認すること。

ライセンス

Fin-Fact は MIT License の下で公開されている。データセットを使う前にライセンスを確認すること。

連絡先

Fin-Fact に関する質問、フィードバック、問い合わせは arangapur@hawk.iit.edu まで連絡すること。

Fin-Fact が、皆さんの研究とファクトチェックの取り組みに役立つことを願っている。ファクトチェックの作業が順調に進むことを願う。

原文（英語）

Fin-Fact - Financial Fact-Checking Dataset

Overview

Welcome to the Fin-Fact repository! Fin-Fact is a comprehensive dataset designed specifically for financial fact-checking and explanation generation. This README provides an overview of the dataset, how to use it, and other relevant information. Click here to access the paper.

Dataset Usage

Fin-Fact is a valuable resource for researchers, data scientists, and fact-checkers in the financial domain. Here's how you can use it:

1. Download the Dataset: You can download the Fin-Fact dataset here.

2. Exploratory Data Analysis: Perform exploratory data analysis to understand the dataset's structure, distribution, and any potential biases.

3. Natural Language Processing (NLP) Tasks: Utilize the dataset for various NLP tasks such as fact-checking, claim verification, and explanation generation.

4. Fact Checking Experiments: Train and evaluate machine learning models, including text and image analysis, using the dataset to enhance the accuracy of fact-checking systems.

Citation

@misc{rangapur2023finfact,
      title={Fin-Fact: A Benchmark Dataset for Multimodal Financial Fact Checking and Explanation Generation}, 
      author={Aman Rangapur and Haoran Wang and Kai Shu},
      year={2023},
      eprint={2309.08793},
      archivePrefix={arXiv},
      primaryClass={cs.AI}
}

Contribution

We welcome contributions from the community to help improve Fin-Fact. If you have suggestions, bug reports, or want to contribute code or data, please check our CONTRIBUTING.md file for guidelines.

License

Fin-Fact is released under the MIT License. Please review the license before using the dataset.

Contact

For questions, feedback, or inquiries related to Fin-Fact, please contact arangapur@hawk.iit.edu.

We hope you find Fin-Fact valuable for your research and fact-checking endeavors. Happy fact-checking!