Datasets:
text stringlengths 20 550 | label int64 0 2 |
|---|---|
Neumeuseunang ngon neubayeue bacut-bacut angsuran 0% persen sampoe dua blah buleuen keu nyang bloe tiket kapai teureubang ngon keureutu kredit BNI! | 1 |
Kueh nyang dihidang peuingat lon masa dilee. Bandum moden kueh jameun, get dari beuntuk atawa rasa. Kuehjih mangat dan yum pih murah. | 2 |
Ibu tom geukereuja bak Grab Indonesia | 1 |
Paleng galak ta pajoh bu leuho inoe, manok ngon sambaijih mangat yum pih luar biasa hemat, rasa manok meunyuem troh bak tuleueng, eh lidah buaya pih segar jeuet keu peulieupie pruet lheuh tapajoh sambai nyang keueung, ureueng kereuja pih ligat dan rumeh, nyang lon galak bak tempat bayeue na dituleh siploh persen disumb... | 2 |
Peulayanan bus DAMRI cukop get | 2 |
Meuheuet peuget postingan nyang asoejih jeut keu sarana peurunoe awak pakek gojek | 1 |
Meureutoh rumoh di Medan keunong ie raya | 1 |
Barangjih lumayan, tapi nyang lon hireun xiaomi rednote 2 nyoe tombol peuudep cit lagee ka reuloh? lheuh nyan batre peue cit bagah that abeh toke? | 0 |
Payah that ta pateh ureueng nyang ka tom ji meukhianat | 0 |
Lokasi di Gombel ngon pemandangan Semarang, jak keuh watee malam uroe sebab na deuh lampu kota, makanan mangat steak dan te hangat menu wajeb disinoe, taduek di luwa seubab angen sijuk leupie. | 2 |
Watee jak keuno pesan bue goreng ngen boh gantang goreng, bue goreng mandum galak. Boh gantang goreng pih that mangat, dan ie susun ngen geut that lam pingan. Keluarga khen kupi pih mangat cit. Hal yang paling geut dari inoe adalah teumpat jih yang luah dan yang na i lua jeut ta kalen pemandangan Dusun Bambu. Tapi peul... | 2 |
Bu gureng thailand yum 35 ribee, polos, cit na suir ayam bacut. Seafoodjih hana. | 0 |
Lagee nyang ka tateupeue, kue brownies nyang asli dari Amerika nyankeuh kue banteut wareuna coklat. Toko Amanda gepeungui brownies deungon cara geuseuop. Brownies nyang teuseuop nyan hana pah sagai, sama cit lagee bolu biasa. Jadi meunyo bak lon peugah, nyan kon brownies. | 0 |
Meunyo jak bak restoran nyoe that pah watee seupot atawa malam, ba pasangan makan malam romantis ngon peumandangan nyang lagak | 2 |
Pengalaman nyang phon cukup meukenong seubab tekeujot bacut rupajih watee lheuh ta peusan makanan, salah sidroe awak kereuja geujok on pisang bak meja lon, kon pingan atawa canca. jadi meunyo jak pajoh bu inoe beusiap untuk pajoh bu ngon jaroe karna akan tarasa sensasi nyang unik peue lom meunyo tapajoh ngon on pisang. | 2 |
Salah saboh area peunajoh nyang peuget tanyoe ro ie babah. Tapi mumang cit bak tapileh. Keuneulheuh lon pileh krak boh manok ngon mie kocok sarat deungo hiburan musik ngon lagu-lagu barat jameun. Cukop lon sarankan. | 2 |
Keuneuk beupasti ibu jeuet neujak bak kanto cab bank mandiri nyan bak uroe ngon jeuem kereuja untuk tuka peng. | 1 |
Ek kereta Jayabaya Malang-Jakarta piyoh di Gubeng, Tiket 35 (lhee ploh limeng) ribee tamah asuransi nam (6) ribee lewat traveloka | 1 |
DPR geubi apresiasi lam hai ikot seureuta ureueng inong bak pilkada 2018. | 1 |
Lon trok pajoh bu malam ngon keuluarga. Nyoe phon kali lon keunoe. Kondisi hana that rame. Keu Interior, agak kuto meunurot lon. Na khot-khot makanan bak aleue ngon meja, bak lagee hana get jipeugleh. Keu rasa makanan, standar, hana istimewa that. | 0 |
Tulong peugah bak anggota dewan bek tuwo revisi perppu ormas, peuingat janjjih meunyo perppu hana jirevisi. Meubagoe elemen masyarakat akan geupeuteubiet sikap. | 1 |
Keuripet boh bi nyoe makanan paleng mangat pah watee peugot tugas | 2 |
Batagor dan siomay nyoe hana dibuka cabang dipat-pat laen. Makananjih mangat, terutama batagor ngon siomay dan baksojih hana diboh pengawet. Meunyo keuneuk ba keu oleh-oleh na paket nyang jeuet tapuwoe. Untuk kualitahjih, pertahankan lom. | 2 |
Bek neupesan rot layanan nyoe beh rakan-rakan. Teulah that! Villajih kuto, mandum barang hana layak ngui | 0 |
Pendaftaran mulai singoh, kementrian kominfo buka beasiswa pelatihan digital keu seuribee droe. | 1 |
seubagoe netizen nyang baro beuleuen peuet keulikot jak meuen u toba, keuneuk peugah mantong bahwa beutoi le that hai nyang peugot kecewa dari sistem pariwisata ideh. Parapat-jih kuto, payah bak tamita akomodasi nyang beutoi-beutoi get, agen perjalanan hana profesional, pokokjih hana loen sarankan jak u parapat | 0 |
Kuto that dan hana jihiroe lle peulayan restoran. Keucewa that peulayananjih! | 0 |
Tempatjih meunyoe bak lon that biasa, hana gleh. Makanan pih biasa mantong | 0 |
Untuk useuha nyang geupeuteubiet dari teumpat khong taguen mantong. Meunyo ukoran kuliner bandung nyang mangat-mangat, nyoe that teulah tabloe, Na karcis tamong per sidroe ureueng 10.000 keu moto 15.000. | 0 |
Lon ngon keuluarga teungoh mita teumpat makan lheueh nonton. Kamoe glak pajoh bak resto / kafe bak mal. Deuh resto blah uneun jalan. Ka trep kamoe hana pajoh kari. Kamoe kamoe piyoh bak resto nyang hana rayek cit 9 boh meja. Rupari mangat teumpat ngon makananjih. | 2 |
Kupi starbucks pakon jeuet mangat that lee | 2 |
Jipeugah di sideh akan dibangun transmart, si blah bangunan nyan. | 1 |
Bit peungalamanan unik, pajoh bu bak teungoh blang lam pade nyang rap kuneng. Pilehan menu nyang le macam, geuhidang meusaneuet sep hawa. | 2 |
Makan bersama ngon awak sistah paum watee nyang ka leupah, teumpat nyaman, mangat taduek, peulayanan get. Ka padum go duek disinoe | 2 |
Teumpat bungong jaroejih leungkap dan cukup mangat, mudah bak tajangkau, yum jih pih murah, lheuh nyan disambot cukop get. | 2 |
Hai Eviana, lakee meu'ah ka hana nyaman, Keu kontak Indosat jeuet neuakses bak peunawot nyoe: Silahkan neucek boh, Teurimong gaseh | 1 |
Menujih indomie ngon ruti bakar. keu teumpat saban lagee cabeueng nyang laenjih mangat keu teumpat meusapat. | 2 |
Sambai ngon on serawung, tomat, ngon campli ubiet. Nyum sambai nyoe nyang peugot kota garut nyang nan cibiuk jeuet jithee. Sambai nyoe jeuet tapajoh ngon gurame gureng atawa ngon manok goreng. Rasajih that mangat. laen dari nyang di lengkokng cibiuk na cit le cabeueng laen | 2 |
Lon kalheuh lakee penjelasan u pihak Gramedia tapi i tiek-tiek hana glah sapeue. Pihak gramed sampoe SPV di cabang nyan saleng tiek-rhom dan geupeugah hana promo. Cut ate meunyo di tiek-rhom lagee nyan. | 0 |
Assalamualaikom, meunyo na hai yang keuneuk bapak tanyoeng, jeut neu mention kamoe teuma. Teurimong gaseh zan. | 1 |
Meunurot kamoe teumpat nyoe biasa mantong hana aksi atau pemandangan nyang menarek ngon tiket 10000/ureueng, meunyoe gunong cit ka meunan seubab na di daerah manyang. Nyoe wisata peunajoh pih hana that le pilihan lagee tempat tempat saboh teuk. | 0 |
Lon ka jeuet keu pelanggan madtari dari thon 2002, watee nyan mantong lagee warong ubiet lam tenda nyang rame bak malam uroe. Slang padum thon ukeue ka meutempat bak bangunan teutap, dari sat nyan lon merasa kualitah rasajih agak meukureueng dibandeng ngon watee mantong lam warong tenda. Nyang jelah, yum di ek cukup te... | 0 |
Komentar nyang phon that ka pasti tempat jih hayeue, pelayanan leupah ramah, dan untuk pilihan makanan nyang dipileh adalah eungkot panggang ngon sop buntut lon bri nilai peuet tapi untuk es buah lon jok nilai limong! | 2 |
Di restoran nyoe makanan nyang geuseudia le that ngon dan mangat ngon nyaman | 2 |
Lon cemburu meueu awak droen jeuet neurasa bahgia. | 0 |
Lheueh bloe pulsa keuneuk daftar paket internet tapi hanjeuet sabe dan diyue ulang lom di 363 tapi hanjeuet cit | 0 |
Tempatjih cukop lagak peu lom 'oh malam dipeuleumah klap-klep lampu, leupah romantis. Pah that keu ureueng na pasangan. Jioh dari kawan rame. Udara pih leupie. Jeut ta nikmati lagak pemandangan kota dari ateuh. | 2 |
Makanan jih mangat-mangat dan menarik takalen untuk difoto. galak. Tapi, ie jep jih mangat cit dan tempat jih nyaman untuk duek-duek ngen ngoen. | 2 |
Nyoe ka dua go lon meukunjong. Mandum peunajoh nyang lon cuba mangat-mangat dan tempatjih mantong memesona lagee jameun kon. Hana tom menyeusai tapajoh disinoe. | 2 |
Makananjih smoked chicken ngon cheese sandwich, minumanjih jus. sep pah ngon mangat. teumpatjih memang mangat meunyo keuneuk suasana santai hana riyoh. | 2 |
Ubat tanpa resep leubeh get bek dipakek le inoeng nyang tengoh meume | 1 |
Maken le tateupeue, maken ceumburu | 1 |
Karyawan beuo keu peue jok cuti, Bisns teungoh brok jak foya-foya. Seumike! | 0 |
Teumpatjih nyang toe ngon ie krueng lom bak kayee nyang reului makanan pih mangat, meutamah mangat tapiyoh, meumacam peunajoh pih geuseudiya bak teumpat nyoe, leupie lom. | 2 |
Tulong minimal, deumi ngat mudah nasabah lam stasiun tigaraksa beu na atm bni | 1 |
Kupat tahu gempol nakeuh salah saboh kupat tahu nyang ka meusyeuhu. Tempatjih hana that rayek tapi cukop deuh ngon warna mirah bak simpang lhee peukan gempol. Porsijih cukop pah keu peupuleh deuk. Ciri khas dari kupat tahu nyoe tahujih lembut dan meujeueut dan kuah kacang pih mangat di lidah, ditamah ngon lontong, toge... | 2 |
Wah sama lagee loen abang ban satnyoe, paket freedom loen hana abeh lom tapi ka dibebankan tarif internet perle sampek pulsa sekitar 40 ribee loen ka disedot perampok | 0 |
Rumoh makan nyoe cit jeut tapeugah leubeh murah meunyo tabandeng ngon rumoh makan laen. Tapi peunajoh nyang dihideung pih biasa mantong hana nyang istimewa. Ladom makanan nyang na cit eungkot ngon manok teucroh. Jeut ta kheun makananjih hana meuragam sagai. | 0 |
Kama manoe hana layak, keu rhah jaroe hana geuseudiya sabon. | 0 |
Susanajih pah keu ban mandum ureueng, peue keuh bagi Droeneuh nyang hawa sidroe, ngon keuluarga, atawa ngon rakan-rakan gata untuk tuka ceurita. | 2 |
Bakso fovorit kamoe saboh keuluarga. Rasa jih leupah that meunyum ngon mangat. Jitamah ngon eh boh limoe dan keurupuk puteh. Leupah mangat. Yum jih that murah. Lokasi tamong lam gang ubiet tapi mudah meurumpok seubab le ureueng nyang tupat lokasijih. | 2 |
Hana mangat pajoh di restoran, han jeuet lakee kuah opor manok bacut lagee bak warteg | 0 |
Ngon diek angka ureung nyang galak keu ride sharing, sehingga meupeungaroh keu toyota yang geu tem peu abeh peng sampe $1 miliar untuk grab demi teupeuseulamat useuha meusen moto | 1 |
Peumandangan kota bandung nyang lagak jeuet takalon sierra kafe lounge. Na dua pilehan teumpat, jeuet lam ruang atawa diluwa. Teumpat nyang romantis pah untuk duek dua dan cocok cit keu teumpat tameusapat ngon rakan-rakan sira tapiyoh hek, saweueb udarajih sijuk an segar. Makanan nyang geuseudiya pih lazat dan le pileh... | 2 |
Rumoh nyan na pageu rayek wareuna itam. | 1 |
Restoran unik, hana dipeusedia pingan, keu seumajoh cukop ngui on pisang mantong. Makanan cukop mangat. | 2 |
Abu loen pegawai Net TV | 1 |
Indomie le tateumee bak keude-keude nyang toe. | 1 |
Payah that tameuphom ureueng nyang kepike droe sabe beutoi | 0 |
Meulumpoe di yue mita coklat le Gordon Ramsay, eh meujampu ngon kuah indomie. | 1 |
Memang nyo mie sedap asoejih le, meunyo nyum talo ngon nyang laen | 0 |
Oman, leupah mangat, sate nyang mangat bumbujih pah, rasa pih pah ngoe sie nyang segar, makajih sate nyoe bit keuh mangat. Peulayanan pih get. | 2 |
Watee jak keuno kon masa musem stroberi sehingga bohjih ubit-ubit dan hana get. Jadi cuma cok ube ala kada mantong. __weueh__ | 0 |
Peresmian pengoperasian kereta apui bandara oleh presiden ri secara simbolis, teugen tombol sirene yang peutubit sue geunta, didampingi lee Menteri Perhubungan, Meteri BUMN, Gubernur Banten, Dirjen Perkeretapian Kemhub, dirut ap2, dirut pt kan dan dirut railink | 1 |
Peunajoh restoran nyoe rata-rata hana mangat. | 0 |
Cocok untuk pajoh bue malam romantis ngen pasangan untuk merayakan momen berdua, makanan jih pih mangat dan berkelas | 2 |
Batagorjih mangat, mijih mangat, Na meubagoe makanan nyang jeuet tarasa bak saboh teumpat, peue lom jinoe tokojih ka jirenovasi leubeh get. Na musalla. Area oleh-oleh le pilehan. | 2 |
Baro ta pakek padup uroe ka langsung heng, power bank hanjet ta pakek keu leumpe. Harus ta me u tempat service. | 0 |
Rumoh makan ngon pemandangan nyang tari. Meunyo tajak keuno 'oh malam uroe, ci neumita tempat duek di lua, gata akan leumah lampu nyang dipeuhue bak tip sagoe meja. Makanan nyang kamoe pesan sup krim ngon coklat hangat, leupah mangat dan cocok ngon udara nyang leupie. | 2 |
Teumpatjih that romantis ngon nyan. Ngon suasana dan pelayanan nyang get. Makanan that mangat ngon yum nyang itameng diakai. That hawa gisa lom keunoe | 2 |
Penajoh Court ngen lee ureng sewa, lee pilihan. Cocok untuk aneuk muda yang ingin duek-duek meukelompok sambilan pajoh makanan dan jep ie sesuai ngen selera masing-masing ureng. Parkir that luah. | 2 |
Teurimong gaseh bang apresiasijih. Adak jeuet gobnyan beu meurumpok waki kamoe, korban phk saboh pihak freeport. | 2 |
Karap limong go lon jak keunoe. Dimsumjih mangat dan yumjih pih murah that. Teumpatjih pih hayeue dan meuseuniya. Awak keureuja pih rumeh bah that pih tanyoe dua sagai dan hana lee peu yang tapajoh. Pokok jih lon peugah kajeut jak ju meunyoe keuneuk mita dimsum atawa shabu di balikpapan. | 2 |
Teumpatjih mangat, santai, mudah tamita, saweub sicheue ngon swalayan lotte mart | 2 |
KIPP teurimong le lapuran bhah na peulanggaran bak pilkada 2018 | 0 |
Ka padum go jak keunoe, makananjih sep mangat, jambo-jambojih nyang peugot suasana pajoh ngon santai meutamah mangat, meutamah lom su ie krueng ubiet meutamah alami nyum. Leubeh get tajak keunoe malam saweueb leubeh lagak suasana. | 2 |
Peunajoh disinoe that mangat. Cocok untuk rapat kanto atawa ngon keluarga rayek, yum hana meuhai. | 2 |
DHL teungoh dibuka lowongan kereuja untuk posisi customer service | 1 |
Lon cuba nyang toe kanto walikota. lon pesan bakso malang super komplet. Rasajih mangat, troe bak tapajoh, dan yum ditamong lam akai. | 2 |
Teumpat pajoh di luwa nyang luwah na dipeusaji meumacam peunajoh mulai dari tradisional sampoe nyang paleng moderen, dari yum nyang murah sampoe nyang meuhai. Dipeungui piasan pih cukop menarek, ek taduek beutrep. | 2 |
Nyang wajeb dicuba dari rumoh makan nyoe nakeueh jus stroberi hana susu atawa saka. Asli brat mangat. Bak lagee saboh glah mantong hana sep. | 2 |
Resto makanan barat nyang yum aki limong, meutamah peumandangan alam nyang lagak, suasanan nyang romantis, asai bek ujeuen, saweueb bak trah jipeuhah. Resto favorit keuluarga lon. | 2 |
Manok gureng inoe mangat. Pah keu nyang ban woe jak jioh. Lon keunoe lheueh woe dari lua kota, jadi pajoh nyoe cit watee deuk. Pruet troe, makanan mangat pelayanan mantap. Kasirjih peng pih tari-tari | 2 |
Paket lon trok 'an jinoe hana trok-trok ka 5 (limong) uroe statusjihnngon peungiriman Jakarta, parah jinoe JNE | 0 |
Meukat manok Taliwang tapi manok lagee karet dan hana pueh sagai, rasa tabeue, sambai pih ala kada. Brat that keucewa dan han le lon gisa keunan. | 0 |
Jalan Sukajadi meunyo malam kayem na ureueng boh broh bak bineh jalan! ureueng-ureueng lagee nyan beu tapeugadoh | 0 |
Paleng favorit bak resto nyoe na keuh bubur 3 rasa. 1 mangkong raya jeuet keu dua droe ngon lakoe. Lheuh nyan le menu untuk jeuet ta pajoh ngon bubur. Yum ngon rasa sibandeng. Dan nyang ka teuntee keu ngon pajoh bubur nyankeuh te suum hmmm. Mangat! | 2 |
Indosat nakeuh saweueb lon beungeh tiep uroe | 0 |
Restoran nyoe nakeuh teumpat nyang pah keu teumpat makan malam ngon pasangan, ngon keuluarga ngon makan nyang sep mangat, peumandangan nyang lagak. Suasanajih pih get na hiasan klasik dari sagoe trok bak pinto tamong. | 2 |
Konsep rumoh makan biasa mantong, tapi yum ie jih pakon get that meuhai. Peutron lah yum jih bacut beuthat pih teumpat wisata hehe. Nyoe payah tapike meu-ulang-ulang bak tabloe. | 0 |
mteb/NusaX-senti(複製)
データの内容
インドネシア語、英語、インドネシアの地方語 10 言語の、3 ラベル(肯定・中立・否定)の感情分析のデータ。1 行が 1 件の文で、本文は text、感情は label の整数に入る。分野はレビュー、Web、ソーシャルなど。mteb の埋め込みモデルの評価タスクとしても使える。
データの概要
| 項目 | 値 |
|---|---|
| 行数 | 12,000(12 構成・36 分割の合計) |
| 列数 | 2 |
| 容量 | 1.28 MB(ファイル 39 本) |
| ファイルの形式 | parquet 36、yaml 1 |
| 言語 | ace, ban, bbc, bjn, bug, eng, ind, jav, mad, min, nij, sun |
| 公開 | public |
構成と分割
| 構成(config) | 分割(split)ごとの行数 | 列数 |
|---|---|---|
ace |
train 500、validation 100、test 400 |
2 |
ban |
train 500、validation 100、test 400 |
2 |
bbc |
train 500、validation 100、test 400 |
2 |
bjn |
train 500、validation 100、test 400 |
2 |
bug |
train 500、validation 100、test 400 |
2 |
eng |
train 500、validation 100、test 400 |
2 |
ind |
train 500、validation 100、test 400 |
2 |
jav |
train 500、validation 100、test 400 |
2 |
mad |
train 500、validation 100、test 400 |
2 |
min |
train 500、validation 100、test 400 |
2 |
nij |
train 500、validation 100、test 400 |
2 |
sun |
train 500、validation 100、test 400 |
2 |
列(構成 ace・分割 train。どの構成も同じ列)
| 列 | 型 | 先頭の行の値 |
|---|---|---|
text |
string |
Neumeuseunang ngon neubayeue bacut-bacut angsura… |
label |
int64 |
1 |
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
mteb/NusaX-senti をリビジョン 06f3498f6dcef06a2706b862012e3ef4908887cf 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/mteb/NusaX-senti
- 複製したリビジョン:
06f3498f6dcef06a2706b862012e3ef4908887cf(2026-02-24 21:18:29+00:00) - 元のライセンス表記:
cc-by-sa-4.0
論文
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)
このデータセットカードは MTEB を使って自動生成された
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 |
|---|---|---|---|---|
multilingual_cjk.md |
5. その他の言語(広がり確保用) (L253) | cc-by-sa-4.0 | 確認済 | 確認印なし(各ファイルの凡例により確認済扱い) |
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。
NusaX は、インドネシア語、英語、そしてインドネシアの 10 の地方語(アチェ語、バリ語、バンジャル語、ブギス語、マドゥラ語、ミナンカバウ語、ジャワ語、ンガジュ語、スンダ語、トバ・バタク語)の計 12 言語を収めた、高品質な多言語の対訳コーパスである。NusaX-Senti は、インドネシアの 10 の地方語、インドネシア語、英語を対象とした、3 ラベル(ポジティブ、ニュートラル、ネガティブ)の感情分析データセットである。
| Task category | t2c |
| Domains | レビュー、Web、ソーシャル、構築されたデータ、書き言葉 |
| Reference | https://arxiv.org/abs/2205.15960 |
このタスクでの評価方法
次のコードで、このデータセットに対して埋め込みモデルを評価できる:
import mteb
task = mteb.get_tasks(["NusaX-senti"])
evaluator = mteb.MTEB(task)
model = mteb.get_model(YOUR_MODEL)
evaluator.run(model)
mteb のタスクでモデルを実行する方法の詳細は、GitHub リポジトリ を参照。
引用
このデータセットを使う場合は、データセットと mteb の両方を引用してほしい。このデータセットは MMTEB Contribution の一部として追加の処理を受けている可能性が高いため。
@misc{winata2022nusax,
archiveprefix = {arXiv},
author = {Winata, Genta Indra and Aji, Alham Fikri and Cahyawijaya,
Samuel and Mahendra, Rahmad and Koto, Fajri and Romadhony,
Ade and Kurniawan, Kemal and Moeljadi, David and Prasojo,
Radityo Eko and Fung, Pascale and Baldwin, Timothy and Lau,
Jey Han and Sennrich, Rico and Ruder, Sebastian},
eprint = {2205.15960},
primaryclass = {cs.CL},
title = {NusaX: Multilingual Parallel Sentiment Dataset for 10 Indonesian Local Languages},
year = {2022},
}
@article{enevoldsen2025mmtebmassivemultilingualtext,
title={MMTEB: Massive Multilingual Text Embedding Benchmark},
author={Kenneth Enevoldsen and Isaac Chung and Imene Kerboua and Márton Kardos and Ashwin Mathur and David Stap and Jay Gala and Wissam Siblini and Dominik Krzemiński and Genta Indra Winata and Saba Sturua and Saiteja Utpala and Mathieu Ciancone and Marion Schaeffer and Gabriel Sequeira and Diganta Misra and Shreeya Dhakal and Jonathan Rystrøm and Roman Solomatin and Ömer Çağatan and Akash Kundu and Martin Bernstorff and Shitao Xiao and Akshita Sukhlecha and Bhavish Pahwa and Rafał Poświata and Kranthi Kiran GV and Shawon Ashraf and Daniel Auras and Björn Plüster and Jan Philipp Harries and Loïc Magne and Isabelle Mohr and Mariya Hendriksen and Dawei Zhu and Hippolyte Gisserot-Boukhlef and Tom Aarsen and Jan Kostkan and Konrad Wojtasik and Taemin Lee and Marek Šuppa and Crystina Zhang and Roberta Rocca and Mohammed Hamdy and Andrianos Michail and John Yang and Manuel Faysse and Aleksei Vatolin and Nandan Thakur and Manan Dey and Dipam Vasani and Pranjal Chitale and Simone Tedeschi and Nguyen Tai and Artem Snegirev and Michael Günther and Mengzhou Xia and Weijia Shi and Xing Han Lù and Jordan Clive and Gayatri Krishnakumar and Anna Maksimova and Silvan Wehrli and Maria Tikhonova and Henil Panchal and Aleksandr Abramov and Malte Ostendorff and Zheng Liu and Simon Clematide and Lester James Miranda and Alena Fenogenova and Guangyu Song and Ruqiya Bin Safi and Wen-Ding Li and Alessia Borghini and Federico Cassano and Hongjin Su and Jimmy Lin and Howard Yen and Lasse Hansen and Sara Hooker and Chenghao Xiao and Vaibhav Adlakha and Orion Weller and Siva Reddy and Niklas Muennighoff},
publisher = {arXiv},
journal={arXiv preprint arXiv:2502.13595},
year={2025},
url={https://arxiv.org/abs/2502.13595},
doi = {10.48550/arXiv.2502.13595},
}
@article{muennighoff2022mteb,
author = {Muennighoff, Niklas and Tazi, Nouamane and Magne, Lo{\"\i}c and Reimers, Nils},
title = {MTEB: Massive Text Embedding Benchmark},
publisher = {arXiv},
journal={arXiv preprint arXiv:2210.07316},
year = {2022}
url = {https://arxiv.org/abs/2210.07316},
doi = {10.48550/ARXIV.2210.07316},
}
データセットの統計
データセットの統計
次のコードには、このタスクの記述統計が含まれる。次の方法でも取得できる:
import mteb
task = mteb.get_task("NusaX-senti")
desc_stats = task.metadata.descriptive_stats
{
"test": {
"num_samples": 4800,
"number_of_characters": 739028,
"number_texts_intersect_with_train": 0,
"min_text_length": 5,
"average_text_length": 153.96416666666667,
"max_text_length": 539,
"unique_text": 4800,
"unique_labels": 3,
"labels": {
"2": {
"count": 1812
},
"1": {
"count": 1152
},
"0": {
"count": 1836
}
}
},
"train": {
"num_samples": 6000,
"number_of_characters": 920296,
"number_texts_intersect_with_train": null,
"min_text_length": 7,
"average_text_length": 153.38266666666667,
"max_text_length": 562,
"unique_text": 5998,
"unique_labels": 3,
"labels": {
"1": {
"count": 1428
},
"2": {
"count": 2268
},
"0": {
"count": 2304
}
}
}
}
このデータセットカードは MTEB を使って自動生成された
原文(英語)
NusaX is a high-quality multilingual parallel corpus that covers 12 languages, Indonesian, English, and 10 Indonesian local languages, namely Acehnese, Balinese, Banjarese, Buginese, Madurese, Minangkabau, Javanese, Ngaju, Sundanese, and Toba Batak. NusaX-Senti is a 3-labels (positive, neutral, negative) sentiment analysis dataset for 10 Indonesian local languages + Indonesian and English.
| Task category | t2c |
| Domains | Reviews, Web, Social, Constructed, Written |
| Reference | https://arxiv.org/abs/2205.15960 |
How to evaluate on this task
You can evaluate an embedding model on this dataset using the following code:
import mteb
task = mteb.get_tasks(["NusaX-senti"])
evaluator = mteb.MTEB(task)
model = mteb.get_model(YOUR_MODEL)
evaluator.run(model)
To learn more about how to run models on mteb task check out the GitHub repitory.
Citation
If you use this dataset, please cite the dataset as well as mteb, as this dataset likely includes additional processing as a part of the MMTEB Contribution.
@misc{winata2022nusax,
archiveprefix = {arXiv},
author = {Winata, Genta Indra and Aji, Alham Fikri and Cahyawijaya,
Samuel and Mahendra, Rahmad and Koto, Fajri and Romadhony,
Ade and Kurniawan, Kemal and Moeljadi, David and Prasojo,
Radityo Eko and Fung, Pascale and Baldwin, Timothy and Lau,
Jey Han and Sennrich, Rico and Ruder, Sebastian},
eprint = {2205.15960},
primaryclass = {cs.CL},
title = {NusaX: Multilingual Parallel Sentiment Dataset for 10 Indonesian Local Languages},
year = {2022},
}
@article{enevoldsen2025mmtebmassivemultilingualtext,
title={MMTEB: Massive Multilingual Text Embedding Benchmark},
author={Kenneth Enevoldsen and Isaac Chung and Imene Kerboua and Márton Kardos and Ashwin Mathur and David Stap and Jay Gala and Wissam Siblini and Dominik Krzemiński and Genta Indra Winata and Saba Sturua and Saiteja Utpala and Mathieu Ciancone and Marion Schaeffer and Gabriel Sequeira and Diganta Misra and Shreeya Dhakal and Jonathan Rystrøm and Roman Solomatin and Ömer Çağatan and Akash Kundu and Martin Bernstorff and Shitao Xiao and Akshita Sukhlecha and Bhavish Pahwa and Rafał Poświata and Kranthi Kiran GV and Shawon Ashraf and Daniel Auras and Björn Plüster and Jan Philipp Harries and Loïc Magne and Isabelle Mohr and Mariya Hendriksen and Dawei Zhu and Hippolyte Gisserot-Boukhlef and Tom Aarsen and Jan Kostkan and Konrad Wojtasik and Taemin Lee and Marek Šuppa and Crystina Zhang and Roberta Rocca and Mohammed Hamdy and Andrianos Michail and John Yang and Manuel Faysse and Aleksei Vatolin and Nandan Thakur and Manan Dey and Dipam Vasani and Pranjal Chitale and Simone Tedeschi and Nguyen Tai and Artem Snegirev and Michael Günther and Mengzhou Xia and Weijia Shi and Xing Han Lù and Jordan Clive and Gayatri Krishnakumar and Anna Maksimova and Silvan Wehrli and Maria Tikhonova and Henil Panchal and Aleksandr Abramov and Malte Ostendorff and Zheng Liu and Simon Clematide and Lester James Miranda and Alena Fenogenova and Guangyu Song and Ruqiya Bin Safi and Wen-Ding Li and Alessia Borghini and Federico Cassano and Hongjin Su and Jimmy Lin and Howard Yen and Lasse Hansen and Sara Hooker and Chenghao Xiao and Vaibhav Adlakha and Orion Weller and Siva Reddy and Niklas Muennighoff},
publisher = {arXiv},
journal={arXiv preprint arXiv:2502.13595},
year={2025},
url={https://arxiv.org/abs/2502.13595},
doi = {10.48550/arXiv.2502.13595},
}
@article{muennighoff2022mteb,
author = {Muennighoff, Niklas and Tazi, Nouamane and Magne, Lo{\"\i}c and Reimers, Nils},
title = {MTEB: Massive Text Embedding Benchmark},
publisher = {arXiv},
journal={arXiv preprint arXiv:2210.07316},
year = {2022}
url = {https://arxiv.org/abs/2210.07316},
doi = {10.48550/ARXIV.2210.07316},
}
Dataset Statistics
Dataset Statistics
The following code contains the descriptive statistics from the task. These can also be obtained using:
import mteb
task = mteb.get_task("NusaX-senti")
desc_stats = task.metadata.descriptive_stats
{
"test": {
"num_samples": 4800,
"number_of_characters": 739028,
"number_texts_intersect_with_train": 0,
"min_text_length": 5,
"average_text_length": 153.96416666666667,
"max_text_length": 539,
"unique_text": 4800,
"unique_labels": 3,
"labels": {
"2": {
"count": 1812
},
"1": {
"count": 1152
},
"0": {
"count": 1836
}
}
},
"train": {
"num_samples": 6000,
"number_of_characters": 920296,
"number_texts_intersect_with_train": null,
"min_text_length": 7,
"average_text_length": 153.38266666666667,
"max_text_length": 562,
"unique_text": 5998,
"unique_labels": 3,
"labels": {
"1": {
"count": 1428
},
"2": {
"count": 2268
},
"0": {
"count": 2304
}
}
}
}
This dataset card was automatically generated using MTEB
- Downloads last month
- 125