sentence_A
stringlengths
9
580
sentence_B
stringlengths
3
361
label
class label
3 classes
Pożar natychmiast ugaszono.
Pożar został natychmiast ugaszony.
1exact paraphrases
To czysta prawda.
To prawda.
1exact paraphrases
To wydarzenie to dla nas chleb codzienny.
To wydarzenie jest dla nas chlebem powszednim.
1exact paraphrases
Kobieta nie nosi czarnej, czerwonej, białej i różowej sukienki.
Kobieta nosi czarną, czerwoną, białą i różową sukienkę.
3non-paraphrases
Odrzuciła sprawozdania PSL i Kongresu Nowej Prawicy.
PKW odrzuciła sprawozdania m.in. PSL i Kongresu Nowej Prawicy.
2similar sentences
Ich czarnorynkowa wartość to co najmniej 150 tys. zł.
Ich czarnorynkowa wartość to przeszło 150 000 złotych.
1exact paraphrases
Zatrzymano 39 osób.
Zatrzymano w sumie 39 osób.
1exact paraphrases
Ona ładnie pisze.
Dobrze pisze.
1exact paraphrases
Trójka dzieci azjatyckich tańczy, a mężczyzna obserwuje.
Trójka azjatyckich dzieci tańczy i nie ma obserwującego mężczyzny.
3non-paraphrases
Ona chyba rzuci tę robotę.
Myślę, że zrezygnuje z pracy.
1exact paraphrases
Skończyłem już zadania domowe.
Skończyłem już pracę domową.
1exact paraphrases
Zastrzegł jednak, że "trzyma kciuki i kibicuje PiS".
Trzymam kciuki i kibicuję PiS - dodał.
2similar sentences
Biegają po parku.
Biegną po bieżni.
3non-paraphrases
Złamał nogę grając w baseballa.
Złamał nogę, grając w baseball.
1exact paraphrases
Nie ma chłopca napełniającego dzbanek wodą.
Chłopiec napełnia dzbanek wodą.
3non-paraphrases
Ten człowiek czuł wstyd, że urodził się biedakiem.
Wstydził się, że urodził się biedny.
1exact paraphrases
To było obrzydliwe!
To było takie obrzydliwe.
1exact paraphrases
Jak nazywa się ten ptak?
Jak się nazywa ten ptak?
1exact paraphrases
Jeff Bezos po 25 latach rozstaje się z żoną.
Po 25 latach małżeństwa założyciel Amazona Jeff Bezos bierze rozwód z MacKenzie Bezos.
2similar sentences
Czarny ptak wylatuje z martwego drzewa.
Czarny ptak siedzi na bezlistnym drzewie.
3non-paraphrases
Wiem na pewno, że Mary jest ciężko chora.
Wiem, że Mary jest bardzo chora.
1exact paraphrases
Bank jest trzy ulice stąd.
Bank jest trzy przecznice stąd.
2similar sentences
Wieś została założona w 1415 roku.
Wioska została założona w 1415 roku.
1exact paraphrases
Nikt nie gra w ping pong.
Dwie osoby grają w ping pong.
3non-paraphrases
Kociak nie bawi się zabawką.
Kociak bawi się zabawką.
3non-paraphrases
Clinton zdobyła dwa miliony głosów więcej od Trumpa.
Hillary Clinton zdobyła co najmniej dwa miliony głosów więcej w wyborach powszechnych niż jej kontrkandydat Donald Trump.
2similar sentences
Poświęcił zdrowie dla spełnienia obowiązku.
Poświęcił swoje zdrowie, by wypełnić swój obowiązek.
1exact paraphrases
Siedmiu strażników zginęło podczas buntu w więzieniu.
Siedmiu strażników więziennych zginęło podczas buntu, do jakiego doszło w więzieniu La Toma w stanie Veracruz położonym nad Zatoką Meksykańską - poinformowały meksykańskie władze lokalne.
2similar sentences
Lou jest drobnym gangsterem.
Lou to niski gangster.
3non-paraphrases
Nie słuchaj tego człowieka.
Posłuchaj go.
3non-paraphrases
Kociak pije świeże mleko.
Nie ma kotka pijącego mleko.
3non-paraphrases
W 1685 ożenił się z Sarą Sasbout, z którą miał dziesięcioro dzieci.
W roku 1685 poślubił Sarę Sasbout, z którą miał dziesięcioro dzieci.
1exact paraphrases
Wątpię czy jest szczery.
Szczerze wątpie w jego istnienie.
3non-paraphrases
Szybko zniknął w tłumie.
W tłumie szybko się zaszył.
1exact paraphrases
Tom spotkał Mary po drodze do szkoły.
Mary spotkała Toma w drodze do szkoły.
1exact paraphrases
On chce książki do czytania.
Chce czytanki o książętach.
3non-paraphrases
Znali działanie lecznicze wielu ziół, w tym m.in. chininę.
Wiedzieli o działaniu terapeutycznym wielu ziół, w tym chininy.
1exact paraphrases
Nie ma dzieci bawiących się na statuetce.
Małe dzieci wspinają się na pomnik w parku.
3non-paraphrases
Na cmentarzu spoczywają szczątki 4302 polskich ofiar.
Na Cmentarzu Ofiar Totalitaryzmu w Charkowie spoczywają szczątki 4302 polskich ofiar NKWD.
2similar sentences
Nikaragua uznaje niepodległość Abchazji i Osetii Płd.
Nikaragua uznała niepodległość Osetii Południowej i Abchazji.
1exact paraphrases
On pewnie czeka na ciebie.
Pewnie na ciebie czeka.
1exact paraphrases
Spróbuję ponownie.
Spróbuję jeszcze raz.
1exact paraphrases
Donald Trump otrzymał kolejny list od Kim Dzong Una.
Donald Trump poinformował, że otrzymał kolejny list od przywódcy Korei Północnej Kim Dzong Una.
2similar sentences
Prawda jest dziwniejsza od fikcji.
Fikcja jest dziwniejsza niż prawda.
3non-paraphrases
Libia: lotnisko w w Trypolisie ostrzelane rakietami.
Jedyne lotnisko w stolicy Libii - Trypolisie zostało w nocy z wtorku na środę ostrzelane rakietami.
2similar sentences
Przed godziną 12 burze dotarły na południe Warszawy.
Po południu burze dotarły do północnych powiatów w okolicy Warszawy.
3non-paraphrases
Nie obchodzi mnie, co powiedzą.
Nie obchodzi mnie, co mówią.
1exact paraphrases
Nie ma kobiety krojącej brokuły.
Kobieta kroi brokuły.
3non-paraphrases
W 1842 roku wybrał się, również z synem, do Rzymu, gdzie spędził cztery miesiące.
W roku 1842 razem z synem udał się do Rzymu, gdzie spędził cztery miesiące.
1exact paraphrases
Jak dla mnie, Australia jest jednym z najlepszych krajów na świecie.
Według mnie Australia jest jednym z najlepszych krajów na świecie.
1exact paraphrases
On studiuje francuski i projektowanie stron internetowych.
Studiuje hiszpański i projektuje strony internetowe.
3non-paraphrases
Mam długopis, ale chcę inny.
Mam długopis, ale chcę innego.
1exact paraphrases
Trzy lata temu mówiliśmy, że ta reforma nie wyjdzie.
Myśmy mówili trzy lata temu, że ta reforma niestety nie wyjdzie.
2similar sentences
Cokolwiek mówi, nie wierz mu.
Cokolwiek powie, uwierz mu.
3non-paraphrases
Nie ma mężczyzny przykręcającego kawałek drewna do ściany.
Mężczyzna przykręca kawałek drewna do ściany.
3non-paraphrases
Miasto powstało 1 kwietnia 1948 roku.
Miasto zostało założone 1 kwietnia 1948 roku.
1exact paraphrases
My byśmy bez tej książki nie istnieli - powiedział.
My byśmy bez tej książki nie istnieli - zaczął.
2similar sentences
Jest dumna ze swego syna.
Ona jest zawiedziona swoim synem.
3non-paraphrases
Nie mogę się uczyć, kiedy się na mnie gapisz.
Nie mogę się gapić, kiedy się uczysz.
3non-paraphrases
On mieszka przy samym morzu.
Mieszka nad morzem.
1exact paraphrases
Koniec wieńczy dzieło.
Na koniec nic się nie działo.
3non-paraphrases
Nie ma żadnej dziewczyny jadącej konno.
Dziewczynka kłusuje na koniu.
3non-paraphrases
W 1960 uzyskał tam pełne święcenia kapłańskie.
W roku 1960 otrzymał zakończył kapłaństwo.
3non-paraphrases
W przypływie złości walnął pięścią w stół.
W przypływie gniewu uderzył pięścią w twarz.
3non-paraphrases
Jest to jedna z najważniejszych nagród w medycynie.
Nagroda Fundacji jest uważana za jedną z najważniejszych wyróżnień w medycynie.
2similar sentences
Wkrótce wiosna.
Wkrótce będzie wiosna.
1exact paraphrases
Złapali nieprzyjaciela w zasadzkę.
Złapali wroga w zasadzce.
1exact paraphrases
Mam książkę o wędkarstwie.
Mam książkę o łowieniu ryb.
1exact paraphrases
Nie ma drugiej tak dumnej kobiety jak ona.
Nie ma innej kobiety tak durnej jak ona.
3non-paraphrases
Jeśli potrzebujesz słownika, pożyczę ci mój stary.
Jeśli potrzebujesz słownika, pożyczę ci mojego staruszka.
3non-paraphrases
Niesiona sukcesami ISIL przyciąga innych radykałów.
Oznacza to też, że uskrzydlona spektakularnymi sukcesami w wojnie z irackim wojskiem ISIL przyciąga innych radykałów działających w Syrii i Iraku.
2similar sentences
Chłopiec w niebieskiej koszuli nie skacze do wody.
Chłopiec w koszuli w kolorze niebieskim skacze do wody.
3non-paraphrases
Czarny ptak nie siedzi na drzewie bez liścia.
Czarny ptak siedzi na bezlistnym drzewie.
3non-paraphrases
Co w sytuacji, gdy zakażona zostaje kobieta w ciąży?
Co w momencie, gdy zakażona zostaje kobieta w ciąży?
1exact paraphrases
Ponieważ jest Meksykaninem, po angielsku mówi z akcentem hiszpańskim.
Ponieważ jest Hiszpanem, mówi po angielsku z hiszpańskim akcentem.
3non-paraphrases
W przypadku jakichkolwiek problemów daj mi znać.
W razie problemów daj mi znać.
1exact paraphrases
Czekam na przyjście kolegi.
Czekam na przyjaciela.
1exact paraphrases
W okresie rewolucji nabrała bardziej radykalnego charakteru.
W czasie rewolucji stała się bardziej radykalna.
1exact paraphrases
Ten problem nie jest taki trudny, na jaki wygląda.
Ten problem nie jest tak trudny, jak się wydaje.
1exact paraphrases
Udział obywateli w życiu publicznym musi być większy.
Udział obywateli w życiu społecznym, w życiu publicznym musi być większy.
1exact paraphrases
Usłyszał zarzut zabójstwa z zamiarem ewentualnym.
Usłyszał zarzut usiłowania zabójstwa w tak zwanym zamiarze ewentualnym.
3non-paraphrases
Rozmawiałam z dziewczynką 12, 13, może 14-letnią, która dzwoniła z obawą, że coś jest z nią nie tak, że ma zaburzenia hormonalne, ponieważ na jej wzgórku łonowym rosną włosy, a ona wie z filmów pornograficznych, że dorosłe panie tam tych włosów nie posiadają Kamila Raczyńska Wielu nastolatków zgłasza się z pytaniami o "te sprawy" dzwoniąc do pani Kamili, która w stowarzyszeniu Ponton od sześciu lat odbiera telefon zaufania.
Rozmawiałam z dziewczynką 12, 13, może 14-letnią, która dzwoniła z obawą, że coś jest z nią nie tak, że ma zaburzenia hormonalne, ponieważ na jej wzgórku łonowym rosną włosy, a ona wie z filmów pornograficznych, że dorosłe panie tam tych włosów nie posiadają - relacjonuje Raczyńska.
2similar sentences
Kąpię się codziennie.
Codziennie się kąpię.
1exact paraphrases
Ludzie płyną i wiosłują na tratwie.
Nikt nie pływa na tratwie.
3non-paraphrases
Wynik wyborów we Włoszech "trudny dla całej Europy".
Wynik wyborów we Włoszech na pewno jest trudny zarówno dla tego kraju, jak i całej Unii Europejskiej.
2similar sentences
Dziecko uderza w piłkę baseballową.
Dziecko nie trafia w piłkę baseballową.
3non-paraphrases
Do teraz byli dobrymi sąsiadami.
Do tej pory byli dobrymi sąsiadami.
1exact paraphrases
Mam nadzieję, że tym razem będzie mi to wybaczone.
Mam nadzieję, że tym razem mi wybaczysz.
1exact paraphrases
Ta kawa nie jest dość ciepła.
Ta kawa nie jest wystarczająco ciepła.
1exact paraphrases
Kobieta nie mierzy kostki innej kobiety.
Kobieta mierzy kostkę innej kobiety.
3non-paraphrases
Nasz urlop wkrótce się skończy.
Nasz urlop niedługo się rozpocznie.
3non-paraphrases
Co najmniej 28 z nich zginęło w samobójczych atakach.
Co najmniej 28 ataków samobójczych dokonały właśnie one.
1exact paraphrases
Zbiera pieniądze na badania nad koronawirusem.
W ten sposób chce zebrać pieniądze na badania nad koronawirusem.
2similar sentences
Czy wróciłeś kiedyś do domu przed siódmą?
Czy wróciłeś do domu przed siódmą?
2similar sentences
Proszę wybacz mi, że zapomniałem do ciebie zadzwonić.
Przepraszam, że zapomniałem zadzwonić, ale miałem ważne sprawy na mieście.
2similar sentences
Scenariusz został oparty na wydarzeniach autentycznych.
Scenariusz opierał się na autentycznych wydarzeniach.
1exact paraphrases
Wszedłem za nim do pokoju.
Poszedłem za nim do jego pokoju.
2similar sentences
Chwycił ją za rękaw.
Wziął ją za rękę.
3non-paraphrases
Nikt nie porusza się pieszo.
Zdystansowana osoba z niebieskim plecakiem wędruje po skalistym terenie.
3non-paraphrases
Wykorzystałem tę szansę.
Wykorzystałem tę okazję.
1exact paraphrases

PPC - Polish Paraphrase Corpus

Dataset Summary

Polish Paraphrase Corpus contains 7000 manually labeled sentence pairs. The dataset was divided into training, validation and test splits. The training part includes 5000 examples, while the other parts contain 1000 examples each. The main purpose of creating such a dataset was to verify how machine learning models perform in the challenging problem of paraphrase identification, where most records contain semantically overlapping parts. Technically, this is a three-class classification task, where each record can be assigned to one of the following categories:

  • Exact paraphrases - Sentence pairs that convey exactly the same information. We are interested only in the semantic meaning of the sentence, therefore this category also includes sentences that are semantically identical but, for example, have different emotional emphasis.
  • Close paraphrases - Sentence pairs with similar semantic meaning. In this category we include all pairs which contain the same information, but in addition to it there may be other semantically non-overlapping parts. This category also contains context-dependent paraphrases - sentence pairs that may have the same meaning in some contexts but are different in others.
  • Non-paraphrases - All other cases, including contradictory sentences and semantically unrelated sentences.

The corpus contains 2911, 1297, and 2792 examples for the above three categories, respectively. The process of annotating the dataset was preceded by an automated generation of candidate pairs, which were then manually labeled. We experimented with two popular techniques of generating possible paraphrases: backtranslation with a set of neural machine translation models and paraphrase mining using a pre-trained multilingual sentence encoder. The extracted sentence pairs are drawn from different data sources: Taboeba, Polish news articles, Wikipedia and Polish version of SICK dataset. Since most of the sentence pairs obtained in this way fell into the first two categories, in order to balance the dataset, some of the examples were manually modified to convey different information. In this way, even negative examples often have high semantic overlap, making this problem difficult for machine learning models.

Data Instances

Example instance:

{
  "sentence_A": "Libia: lotnisko w w Trypolisie ostrzelane rakietami.", 
  "sentence_B": "Jedyne lotnisko w stolicy Libii - Trypolisie zostało w nocy z wtorku na środę ostrzelane rakietami.", 
  "label": "2"
}

Data Fields

  • sentence_A: first sentence text
  • sentence_B: second sentence text
  • label: label identifier corresponding to one of three categories

Citation Information

@inproceedings{9945218,
  author={Dadas, S{\l}awomir},
  booktitle={2022 IEEE International Conference on Systems, Man, and Cybernetics (SMC)}, 
  title={Training Effective Neural Sentence Encoders from Automatically Mined Paraphrases}, 
  year={2022},
  volume={},
  number={},
  pages={371-378},
  doi={10.1109/SMC53654.2022.9945218}
}
Downloads last month
326

Models trained or fine-tuned on sdadas/ppc

Space using sdadas/ppc 1