README.md

metadata

license: apache-2.0
task_categories:
  - text-classification
  - question-answering
language:
  - fa
  - en
size_categories:
  - small
tags:
  - nlp
  - multitask
  - sentiment
  - toxicity
  - persian-english
pretty_name: Majid Multi-task Dataset | مجموعه داده چندوظیفه‌ای مجید

Majid Multi-task Dataset | مجموعه داده چندوظیفه‌ای مجید

---

English Description 🇬🇧

This dataset provides Persian–English text for multi-task NLP: text classification and question answering, including subtasks such as sentiment analysis and toxicity detection.

Dataset Details

• Curated by: Maid121232 (Majid)
• Languages: Persian (fa), English (en)
• License: Apache-2.0
• Size: Small (< 10k samples)
• Tasks: Text Classification, Question Answering

Dataset Structure

• Files: train.csv, valid.csv, test.csv
• Columns:
  • id → Sample ID
  • text → Input text
  • label → Task-specific label (e.g., positive/negative, toxic/non-toxic)
  • task → Task type (sentiment, toxicity, qa, classification)

Example: json { "id": 1, "text": "This movie was amazing!", "label": "positive", "task": "sentiment" }

Usage `python from datasets import load_dataset

base = "https://huggingface.co/datasets/Maid121232/majid-multitask-dataset/resolve/main" ds = load_dataset( "csv", data_files={ "train": f"{base}/train.csv", "validation": f"{base}/valid.csv", "test": f"{base}/test.csv", } ) print(ds["train"][0]) `

Limitations

• Small dataset size, limited generalization.
• Possible label noise.
• Not balanced across all tasks.

Citation bibtex @dataset{majid2025multitask, author = {Maid121232}, title = {Majid Multi-task Dataset}, year = {2025}, url = {https://huggingface.co/datasets/Maid121232/majid-multitask-dataset} }

---

توضیحات فارسی 🇮🇷

این مجموعه داده برای چند وظیفه‌ی پردازش زبان طبیعی (NLP) طراحی شده است: طبقه‌بندی متن و پرسش و پاسخ؛ شامل زیروظایفی مثل تحلیل احساسات و تشخیص سمیت.

جزئیات

• تهیه‌کننده: Maid121232 (مجید)
• زبان‌ها: فارسی (fa)، انگلیسی (en)
• مجوز: Apache-2.0
• اندازه: کوچک (کمتر از 10k نمونه)
• وظایف: طبقه‌بندی متن، پرسش و پاسخ

ساختار

• فایل‌ها: train.csv، valid.csv، test.csv
• ستون‌ها: id، text، label، task

مثال: json { "id": 1, "text": "این فیلم فوق‌العاده بود!", "label": "positive", "task": "sentiment" }

نحوه‌ی بارگذاری `python from datasets import load_dataset

base = "https://huggingface.co/datasets/Maid121232/majid-multitask-dataset/resolve/main" ds = load_dataset( "csv", data_files={ "train": f"{base}/train.csv", "validation": f"{base}/valid.csv", "test": f"{base}/test.csv", } ) print(ds["train"][0]) `

محدودیت‌ها

• اندازه کوچک و پوشش محدود
• احتمال نویز در برچسب‌ها
• عدم توازن کامل بین وظایف

استناد bibtex @dataset{majid2025multitask, author = {Maid121232}, title = {Majid Multi-task Dataset}, year = {2025}, url = {https://huggingface.co/datasets/Maid121232/majid-multitask-dataset} }

---

تماس ایجاد و به‌اشتراک‌گذاری توسط Maid121232 (مجید) `

---