doc_nli

• Descripción :

DocNLI es un conjunto de datos a gran escala para la inferencia de lenguaje natural (NLI) a nivel de documento. DocNLI se transforma a partir de una amplia gama de problemas de PNL y cubre múltiples géneros de texto. Las premisas siempre se mantienen en la granularidad del documento, mientras que las hipótesis varían en longitud desde oraciones simples hasta pasajes con cientos de palabras. A diferencia de algunos conjuntos de datos NLI a nivel de oración existentes, DocNLI tiene artefactos bastante limitados.

• Documentación adicional : Explore en Papers With Code

• Página de inicio: https://github.com/salesforce/DocNLI/

• Código fuente : tfds.text.docnli.DocNLI

• Versiones :

  • 1.0.0 (predeterminado): versión inicial.

• Tamaño de la descarga : 313.89 MiB

• Tamaño del conjunto de datos : 3.07 GiB

• Almacenamiento automático en caché ( documentación ): No

• Divisiones :

Separar	Ejemplos
'test'	267,086
'train'	942,314
'validation'	234,258

• Estructura de características :

FeaturesDict({
    'hypothesis': Text(shape=(), dtype=string),
    'label': ClassLabel(shape=(), dtype=int64, num_classes=2),
    'premise': Text(shape=(), dtype=string),
})

• Documentación de características :

Rasgo	Clase	Forma	Tipo D	Descripción
	CaracterísticasDict
hipótesis	Texto		cuerda
etiqueta	Etiqueta de clase		int64
premisa	Texto		cuerda

• Claves supervisadas (Ver as_supervised doc ): None

• Figura ( tfds.show_examples ): no compatible.

• Ejemplos ( tfds.as_dataframe ):

• Cita :

@inproceedings{yin-etal-2021-docnli,
    title={DocNLI: A Large-scale Dataset for Document-level Natural Language Inference},
    author={Wenpeng Yin and Dragomir Radev and Caiming Xiong},
    booktitle = "Findings of the Association for Computational Linguistics: ACL-IJCNLP 2021",
    month = aug,
    year = "2021",
    address = "Bangkok, Thailand",
    publisher = "Association for Computational Linguistics",
}