cosmos_qa

• توضیحات :

Cosmos QA مجموعه داده ای در مقیاس بزرگ از 35.6 هزار مسئله است که به درک مطلب مبتنی بر عقل سلیم نیاز دارد و به عنوان سؤالات چند گزینه ای فرموله شده است. این کتاب بر خواندن بین خطوط در مجموعه‌ای متنوع از روایت‌های روزمره افراد تمرکز می‌کند، و سؤالاتی در مورد علل یا تأثیرات احتمالی رویدادهایی می‌پرسد که نیاز به استدلال فراتر از متن دقیق در متن دارد.

• اسناد اضافی : کاوش در کاغذها با کد

• صفحه اصلی : https://wilburone.github.io/cosmos/

• کد منبع : tfds.question_answering.CosmosQA

• نسخه ها :

  • 1.0.0 (پیش فرض): بدون یادداشت انتشار.

• حجم دانلود : 23.27 MiB

• حجم مجموعه داده : 27.09 MiB

• ذخیره خودکار ( اسناد ): بله

• تقسیم ها :

شکاف	مثال ها
'test'	6963
'train'	25,262
'validation'	2,985

• ساختار ویژگی :

FeaturesDict({
    'answer0': Text(shape=(), dtype=string),
    'answer1': Text(shape=(), dtype=string),
    'answer2': Text(shape=(), dtype=string),
    'answer3': Text(shape=(), dtype=string),
    'context': Text(shape=(), dtype=string),
    'id': Text(shape=(), dtype=string),
    'label': ClassLabel(shape=(), dtype=int64, num_classes=4),
    'question': Text(shape=(), dtype=string),
})

• مستندات ویژگی :

ویژگی	کلاس	شکل	نوع D	شرح
	FeaturesDict
پاسخ 0	متن		رشته
پاسخ 1	متن		رشته
پاسخ 2	متن		رشته
پاسخ 3	متن		رشته
متن نوشته	متن		رشته
شناسه	متن		رشته
برچسب	ClassLabel		int64
سوال	متن		رشته

• کلیدهای نظارت شده (به as_supervised doc مراجعه کنید): None

• شکل ( tfds.show_examples ): پشتیبانی نمی شود.

• مثال‌ها ( tfds.as_dataframe ):

• نقل قول :

@inproceedings{huang-etal-2019-cosmos,
    title = "Cosmos {QA}: Machine Reading Comprehension with Contextual Commonsense Reasoning",
    author = "Huang, Lifu  and
      Le Bras, Ronan  and
      Bhagavatula, Chandra  and
      Choi, Yejin",
    booktitle = "Proceedings of the 2019 Conference on Empirical Methods in Natural Language Processing and the 9th International Joint Conference on Natural Language Processing (EMNLP-IJCNLP)",
    year = "2019",
    url = "https://www.aclweb.org/anthology/D19-1243"
}