cosmos_qa

Mô tả :

Cosmos QA là một bộ dữ liệu quy mô lớn gồm 35,6 nghìn vấn đề yêu cầu khả năng đọc hiểu dựa trên lẽ thường, được xây dựng dưới dạng câu hỏi trắc nghiệm. Nó tập trung vào việc đọc giữa các dòng trong một bộ sưu tập đa dạng các câu chuyện hàng ngày của mọi người, đặt câu hỏi liên quan đến nguyên nhân hoặc tác động có thể xảy ra của các sự kiện đòi hỏi phải suy luận ngoài phạm vi văn bản chính xác trong ngữ cảnh.

Tài liệu bổ sung : Khám phá trên giấy tờ với mã
Trang chủ : https://wilburone.github.io/cosmos/
Mã nguồn : tfds.question_answering.CosmosQA
Phiên bản :
- 1.0.0 (mặc định): Không có ghi chú phát hành.
Kích thước tải xuống : 23.27 MiB
Kích thước tập dữ liệu : 27.09 MiB
Tự động lưu vào bộ đệm ( tài liệu ): Có
Chia tách :

Tách ra	ví dụ
`'test'`	6,963
`'train'`	25,262
`'validation'`	2.985

Cấu trúc tính năng :

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),
})

Tài liệu tính năng :

Tính năng	Lớp	Dtype
	Tính năngDict
câu trả lời0	Chữ	sợi dây
trả lời 1	Chữ	sợi dây
câu trả lời2	Chữ	sợi dây
câu trả lời3	Chữ	sợi dây
định nghĩa bài văn	Chữ	sợi dây
Tôi	Chữ	sợi dây
nhãn mác	LớpNhãn	int64
câu hỏi	Chữ	sợi dây

Các khóa được giám sát (Xem as_supervised doc ): None
Hình ( tfds.show_examples ): Không được hỗ trợ.
Ví dụ ( tfds.as_dataframe ):

trích dẫn :

@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"
}