upuszczać

opis :

Ponieważ wydajność systemu w istniejących testach porównawczych czytania ze zrozumieniem jest bliska lub przewyższająca wydajność człowieka, potrzebujemy nowego, twardego zestawu danych, który poprawi możliwości systemów w zakresie rzeczywistego czytania akapitów tekstu. DROP to stworzony przez społeczność, tworzony przez przeciwników test porównawczy 96 000 pytań, w którym system musi rozwiązać odniesienia w pytaniu, być może do wielu pozycji wejściowych, i wykonać na nich dyskretne operacje (takie jak dodawanie, liczenie lub sortowanie). Operacje te wymagają znacznie bardziej wszechstronnego zrozumienia treści akapitów niż było to konieczne w przypadku poprzednich zestawów danych.

Dodatkowa dokumentacja : Przeglądaj dokumenty z kodem na
Strona główna : https://allennlp.org/drop
Kod źródłowy : tfds.text.drop.Drop
Wersje :
- 1.0.0 : Pierwsza wersja.
- 2.0.0 (domyślnie): Dodaj wszystkie opcje odpowiedzi.
Rozmiar pliku do pobrania : 7.92 MiB
Rozmiar zestawu danych : 116.24 MiB
Automatyczne buforowanie ( dokumentacja ): Tak
Podziały :

Rozdzielać	Przykłady
`'dev'`	9536
`'train'`	77409

Struktura funkcji :

FeaturesDict({
    'answer': Text(shape=(), dtype=string),
    'passage': Text(shape=(), dtype=string),
    'query_id': Text(shape=(), dtype=string),
    'question': Text(shape=(), dtype=string),
    'validated_answers': Sequence(Text(shape=(), dtype=string)),
})

Dokumentacja funkcji :

Funkcja	Klasa	Kształt	Typ D
	FunkcjeDict
odpowiadać	Tekst		strunowy
przejście	Tekst		strunowy
identyfikator_zapytania	Tekst		strunowy
pytanie	Tekst		strunowy
zatwierdzone_odpowiedzi	Sekwencja (tekst)	(Nic,)	strunowy

Klucze nadzorowane (Zobacz dokument as_supervised ): None
Rysunek ( tfds.show_examples ): Nieobsługiwany.
Przykłady ( tfds.as_dataframe ):

Cytat :

@inproceedings{Dua2019DROP,
  author={Dheeru Dua and Yizhong Wang and Pradeep Dasigi and Gabriel Stanovsky and Sameer Singh and Matt Gardner},
  title={  {DROP}: A Reading Comprehension Benchmark Requiring Discrete Reasoning Over Paragraphs},
  booktitle={Proc. of NAACL},
  year={2019}
}