c316e4b4创建于 2025年10月25日历史提交

language:

ja
en license: cc-by-4.0 task_categories:
translation
text-generation tags:
japanese
honorifics
keigo
linguistics
language-learning size_categories:
n<1K pretty_name: Japanese Honorifics Dataset dataset_info: features:
- name: base_sentence dtype: string
- name: teineigo dtype: string
- name: sonkeigo dtype: string
- name: kenjogo dtype: string
- name: english_translation dtype: string splits:
- name: train num_bytes: 19607 num_examples: 115 download_size: 14363 dataset_size: 19607 configs:
config_name: default data_files:
- split: train path: data/train-*

Japanese Honorifics Dataset (日本語敬語データセット)

A comprehensive dataset of Japanese sentences in three honorific forms: 尊敬語 (sonkeigo), 謙譲語 (kenjōgo), and 丁寧語 (teineigo).

Dataset Description

This dataset contains 137 Japanese sentences demonstrating the three main types of Japanese honorific language (敬語 - keigo):

尊敬語 (Sonkeigo): Respectful language used to show respect for the subject of the sentence (typically someone of higher status)
謙譲語 (Kenjōgo): Humble language used to lower oneself or one's in-group when speaking to someone of higher status
丁寧語 (Teineigo): Polite language using です/ます forms

Dataset Structure

Each entry contains:

base_sentence: The casual/dictionary form of the sentence (基本形)
teineigo: The polite form (丁寧語)
sonkeigo: The respectful form (尊敬語)
kenjogo: The humble form (謙譲語)
english_translation: English translation

Example

{
  "base_sentence": "彼は京都に行く。",
  "teineigo": "彼は京都に行きます。",
  "sonkeigo": "彼様は京都にいらっしゃる。",
  "kenjogo": "私は京都に伺います。",
  "english_translation": "He goes to Kyoto."
}

Coverage

The dataset includes all essential honorific verb forms taught in standard Japanese language education:

Core Verbs Covered

Existence & State

する (do) → なさる / いたす・させていただく
いる (exist/be) → いらっしゃる・おいでになる / おる
ある (exist) → ございる

Movement

行く (go) → いらっしゃる・おいでになる・お越しになる / 参る・伺う
来る (come) → いらっしゃる・見える・お越しになる / 参る・伺う
帰る (return) → お帰りになる / おいとまする
訪ねる (visit) → お訪ねになる / 伺う

Communication

言う (say) → おっしゃる / 申す・申し上げる
聞く (listen) → お聞きになる / 拝聴する・うかがう
伝える (convey) → お伝えになる / 申し伝える

Cognition

知る (know) → ご存じ / 存じる・存じ上げる
わかる (understand) → おわかりになる / かしこまる・承知する
思う (think) → お思いになる・おぼし召す / 存じる・拝察する
考える (consider) → お考えになる・ご高察なさる / 拝察する・検討いたす

Perception & Consumption

見る (see) → ご覧になる / 拝見する
食べる・飲む (eat/drink) → 召し上がる・おあがりになる / いただく・頂戴する
読む (read) → お読みになる / 拝読する

Social Actions

会う (meet) → お会いになる / お目にかかる
待つ (wait) → お待ちになる・お待ちくださる / お待ちする
座る (sit) → お掛けになる / 座らせていただく
与える (give) → くださる・お与えになる / 差し上げる
受け取る (receive) → お受け取りになる / 賜る・頂戴する・拝受する

Other Actions

買う (buy) → お買いになる・お求めになる / 買わせていただく
利用する (use) → ご利用になる / 利用させていただく
探す (search) → お探しになる / 探しております
教える (teach) → お教えになる / お教えする
作る (make) → お作りになる / お作りする

Dataset Creation

Source Data

Initial Generation: 100 sentences generated using GPT-4o via OpenAI's Batch API
Manual Addition: 37 sentences manually created to ensure comprehensive coverage of all essential honorific forms

Quality Assurance

Verified for linguistic accuracy
Checked for duplicate entries (0 exact duplicates found)
Validated presence of all core honorific verb forms from standard Japanese language curricula

Use Cases

This dataset is valuable for:

Language Learning: Teaching Japanese honorific usage patterns
NLP Research: Training models to understand and generate Japanese honorifics
Translation Systems: Improving Japanese-to-English and English-to-Japanese translation with proper register
Linguistic Analysis: Studying honorific language patterns
Chatbots & Virtual Assistants: Generating contextually appropriate Japanese responses

Limitations

Dataset size is relatively small (137 entries)
Focus is primarily on verb-based honorifics
Does not extensively cover:
- Honorific prefixes (お/ご) on nouns
- Company/business-specific honorific expressions
- Regional variations in honorific usage
- Complex sentence structures with multiple honorific levels

Citation

If you use this dataset in your research, please cite:

@dataset{japanese_honorifics_2025,
  author = {Takizawa, Ronan},
  title = {Japanese Honorifics Dataset},
  year = {2025},
  publisher = {Hugging Face},
  url = {https://huggingface.co/datasets/ronantakizawa/japanese-honorifics}
}

License

This dataset is released under the Creative Commons Attribution 4.0 International License (CC BY 4.0).

Acknowledgments

Generated using OpenAI's GPT-4o model via Batch API
Manually curated and verified for linguistic accuracy
Based on standard Japanese language education curricula