doc_nli

• Descrizione :

DocNLI è un set di dati su larga scala per l'inferenza del linguaggio naturale (NLI) a livello di documento. DocNLI si trasforma da un'ampia gamma di problemi di PNL e copre più generi di testo. Le premesse restano sempre nella granularità del documento, mentre le ipotesi variano in lunghezza da singole frasi a passaggi con centinaia di parole. Contrariamente ad alcuni set di dati NLI a livello di frase esistenti, DocNLI ha artefatti piuttosto limitati.

• Documentazione aggiuntiva : Esplora documenti con codice

• Pagina iniziale : https://github.com/salesforce/DocNLI/

• Codice sorgente : tfds.text.docnli.DocNLI

• Versioni :

  • 1.0.0 (impostazione predefinita): versione iniziale.

• Dimensione del download : 313.89 MiB

• Dimensione del set di dati: 3.07 GiB

• Cache automatica ( documentazione ): No

• Divisioni :

Diviso	Esempi
'test'	267.086
'train'	942.314
'validation'	234.258

• Struttura delle caratteristiche :

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

• Documentazione delle funzionalità :

Caratteristica	Classe	Forma	Tipo D	Descrizione
	CaratteristicheDict
ipotesi	Testo		corda
etichetta	ClassLabel		int64
premessa	Testo		corda

• Chiavi supervisionate (Vedi as_supervised doc ): None

• Figura ( tfds.show_examples ): non supportato.

• Esempi ( tfds.as_dataframe ):

• Citazione :

@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",
}