убийца2

  • Описание :

Контекстуализация

ASSIN 2 — это второе издание Avaliação de Similaridade Semantica e Inferência Textual (Оценка семантического сходства и текстового описания), и это был семинар, приуроченный к STIL 2019 . Он следует за первым изданием ASSIN , предлагая новую общую задачу с новыми данными.

На семинаре оценивались системы, которые оценивают два типа отношений между двумя предложениями: семантическое текстовое сходство и текстовое следствие.

Семантическое сходство текста состоит из количественной оценки уровня семантической эквивалентности между предложениями, в то время как распознавание текстового дополнения состоит из классификации того, влечет ли первое предложение второе.

Данные

Корпус, используемый в ASSIN 2, состоит из довольно простых предложений. Следуя процедурам задания 1 SemEval 2014, мы попытались удалить из корпуса именованные сущности и косвенную речь, а также постарались, чтобы все глаголы были в настоящем времени. Инструкции по аннотированию, данные аннотаторам, доступны (на португальском языке).

Данные обучения и проверки состоят, соответственно, из 6500 и 500 пар предложений на бразильском португальском языке, аннотированных на предмет следования и семантического сходства. Значения семантического подобия варьируются от 1 до 5, а классы следствия текста либо являются следствиями, либо отсутствуют. Тестовые данные состоят примерно из 3000 пар предложений с одинаковыми аннотациями. Все данные были аннотированы вручную.

Оценка

Оценка Оценка представлений в ASSIN 2 проводилась с теми же метриками, что и в первом ASSIN, с F1 точности и полноты в качестве основного показателя для следования текста и корреляции Пирсона для семантического сходства. Сценарии оценки такие же, как и в последнем издании.

PS: Описание взято с официальной страницы .

Расколоть Примеры
'test' 2448
'train' 6500
'validation' 500
  • Структура функции :
FeaturesDict({
    'entailment': ClassLabel(shape=(), dtype=tf.int64, num_classes=2),
    'hypothesis': Text(shape=(), dtype=tf.string),
    'id': tf.int32,
    'similarity': tf.float32,
    'text': Text(shape=(), dtype=tf.string),
})
  • Документация по функциям :
Особенность Учебный класс Форма Dтип Описание
ОсобенностиDict
логическое следствие Метка класса tf.int64
гипотеза Текст tf.string
я бы Тензор tf.int32
сходство Тензор tf.float32
текст Текст tf.string
  • Цитата :
@inproceedings{DBLP:conf/propor/RealFO20,
  author    = {Livy Real and
               Erick Fonseca and
               Hugo Gon{\c{c} }alo Oliveira},
  editor    = {Paulo Quaresma and
               Renata Vieira and
               Sandra M. Alu{\'{\i} }sio and
               Helena Moniz and
               Fernando Batista and
               Teresa Gon{\c{c} }alves},
  title     = {The {ASSIN} 2 Shared Task: {A} Quick Overview},
  booktitle = {Computational Processing of the Portuguese Language - 14th International
               Conference, {PROPOR} 2020, Evora, Portugal, March 2-4, 2020, Proceedings},
  series    = {Lecture Notes in Computer Science},
  volume    = {12037},
  pages     = {406--412},
  publisher = {Springer},
  year      = {2020},
  url       = {https://doi.org/10.1007/978-3-030-41505-1_39},
  doi       = {10.1007/978-3-030-41505-1_39},
  timestamp = {Tue, 03 Mar 2020 09:40:18 +0100},
  biburl    = {https://dblp.org/rec/conf/propor/RealFO20.bib},
  bibsource = {dblp computer science bibliography, https://dblp.org}
}