حل_مؤكّد_مؤكّد_حل

• الوصف :

مؤلف من 30 طالبًا من أحد الفصول الجامعية للمؤلف. تغطي أزواج الجمل هذه موضوعات تتراوح من الأحداث الحقيقية (على سبيل المثال ، خطة إيران لمهاجمة السفير السعودي في الولايات المتحدة) إلى الأحداث / الشخصيات في الأفلام (على سبيل المثال ، باتمان) والمواقف الخيالية البحتة ، مما يعكس إلى حد كبير ثقافة البوب ​​كما يراها الأطفال الأمريكيون ولد في أوائل التسعينيات. يمتد كل مثال توضيحي على أربعة أسطر: السطر الأول يحتوي على الجملة ، والسطر الثاني يحتوي على ضمير الهدف ، والسطر الثالث يحتوي على السابقتين المرشحتين ، والسطر الرابع يحتوي على السوابق الصحيحة. إذا ظهر ضمير الهدف أكثر من مرة في الجملة ، فإن ظهوره الأول هو الذي يجب حله.

• وثائق إضافية : استكشف في الأوراق باستخدام الرمز

• الصفحة الرئيسية : https://www.hlt.utdallas.edu/~vince/data/emnlp12/

• كود المصدر : tfds.text.DefinitePronounResolution

• إصدارات :

  • 1.1.0 (افتراضي): لا توجد ملاحظات حول الإصدار.

• حجم التحميل : 222.12 KiB

• حجم مجموعة البيانات : 334.22 KiB

• التخزين المؤقت التلقائي ( الوثائق ): نعم

• الانقسامات :

ينقسم	أمثلة
'test'	564
'train'	1،322

• هيكل الميزة :

FeaturesDict({
    'candidates': Sequence(Text(shape=(), dtype=string)),
    'label': ClassLabel(shape=(), dtype=int64, num_classes=2),
    'pronoun': Text(shape=(), dtype=string),
    'sentence': Text(shape=(), dtype=string),
})

• وثائق الميزة :

ميزة	فصل	شكل	نوع	وصف
	الميزات
مرشحين	تسلسل (نص)	(2 ،)	خيط
ملصق	ClassLabel		int64
ضمير	نص		خيط
جملة	نص		خيط

• المفاتيح الخاضعة للإشراف (راجع المستند as_supervised ): ('sentence', 'label')

• الشكل ( tfds.show_examples ): غير مدعوم.

• أمثلة ( tfds.as_dataframe ):

• الاقتباس :

@inproceedings{rahman2012resolving,
  title={Resolving complex cases of definite pronouns: the winograd schema challenge},
  author={Rahman, Altaf and Ng, Vincent},
  booktitle={Proceedings of the 2012 Joint Conference on Empirical Methods in Natural Language Processing and Computational Natural Language Learning},
  pages={777--789},
  year={2012},
  organization={Association for Computational Linguistics}
}