สายดิน_scan

  • คำอธิบาย :

Grounded SCAN (gSCAN) เป็นชุดข้อมูลสังเคราะห์สำหรับประเมินการวางองค์ประกอบโดยรวมในการทำความเข้าใจภาษาที่อยู่ gSCAN จับคู่คำสั่งภาษาธรรมชาติกับลำดับการดำเนินการ และกำหนดให้เอเจนต์ตีความคำสั่งภายในบริบทของสภาพแวดล้อมการนำทางด้วยภาพแบบกริด

สามารถดูข้อมูลเพิ่มเติมได้ที่:

FeaturesDict({
    'command': Sequence(Text(shape=(), dtype=string)),
    'manner': Text(shape=(), dtype=string),
    'meaning': Sequence(Text(shape=(), dtype=string)),
    'referred_target': Text(shape=(), dtype=string),
    'situation': FeaturesDict({
        'agent_direction': int32,
        'agent_position': FeaturesDict({
            'column': int32,
            'row': int32,
        }),
        'direction_to_target': Text(shape=(), dtype=string),
        'distance_to_target': int32,
        'grid_size': int32,
        'placed_objects': Sequence({
            'object': FeaturesDict({
                'color': Text(shape=(), dtype=string),
                'shape': Text(shape=(), dtype=string),
                'size': int32,
            }),
            'position': FeaturesDict({
                'column': int32,
                'row': int32,
            }),
            'vector': Text(shape=(), dtype=string),
        }),
        'target_object': FeaturesDict({
            'object': FeaturesDict({
                'color': Text(shape=(), dtype=string),
                'shape': Text(shape=(), dtype=string),
                'size': int32,
            }),
            'position': FeaturesDict({
                'column': int32,
                'row': int32,
            }),
            'vector': Text(shape=(), dtype=string),
        }),
    }),
    'target_commands': Sequence(Text(shape=(), dtype=string)),
    'verb_in_command': Text(shape=(), dtype=string),
})
  • เอกสารคุณสมบัติ :
ลักษณะเฉพาะ ระดับ รูปร่าง Dประเภท คำอธิบาย
คุณสมบัติDict
สั่งการ ลำดับ (ข้อความ) (ไม่มี,) สตริง
มารยาท ข้อความ สตริง
ความหมาย ลำดับ (ข้อความ) (ไม่มี,) สตริง
refer_target ข้อความ สตริง
สถานการณ์ คุณสมบัติDict
สถานการณ์/agent_direction เทนเซอร์ int32
สถานการณ์/agent_position คุณสมบัติDict
สถานการณ์/agent_position/column เทนเซอร์ int32
สถานการณ์/agent_position/row เทนเซอร์ int32
สถานการณ์/direction_to_target ข้อความ สตริง
สถานการณ์/distance_to_target เทนเซอร์ int32
สถานการณ์/grid_size เทนเซอร์ int32
สถานการณ์/placed_objects ลำดับ
สถานการณ์/placed_objects/วัตถุ คุณสมบัติDict
สถานการณ์/placed_objects/วัตถุ/สี ข้อความ สตริง
สถานการณ์/placed_objects/วัตถุ/รูปร่าง ข้อความ สตริง
สถานการณ์/placed_objects/วัตถุ/ขนาด เทนเซอร์ int32
สถานการณ์/placed_objects/ตำแหน่ง คุณสมบัติDict
สถานการณ์/placed_objects/ตำแหน่ง/คอลัมน์ เทนเซอร์ int32
สถานการณ์/placed_objects/ตำแหน่ง/แถว เทนเซอร์ int32
สถานการณ์/placed_objects/เวกเตอร์ ข้อความ สตริง
สถานการณ์/target_object คุณสมบัติDict
สถานการณ์/target_object/object คุณสมบัติDict
สถานการณ์/target_object/object/สี ข้อความ สตริง
สถานการณ์/target_object/วัตถุ/รูปร่าง ข้อความ สตริง
สถานการณ์/target_object/วัตถุ/ขนาด เทนเซอร์ int32
สถานการณ์/target_object/ตำแหน่ง คุณสมบัติDict
สถานการณ์/target_object/ตำแหน่ง/คอลัมน์ เทนเซอร์ int32
สถานการณ์/target_object/ตำแหน่ง/แถว เทนเซอร์ int32
สถานการณ์/target_object/เวกเตอร์ ข้อความ สตริง
target_commands ลำดับ (ข้อความ) (ไม่มี,) สตริง
verb_in_command ข้อความ สตริง
  • คีย์ภายใต้การดูแล (ดู as_supervised doc ): None

  • รูปภาพ ( tfds.show_examples ): ไม่รองรับ

  • การอ้างอิง :

@inproceedings{NEURIPS2020_e5a90182,
 author = {Ruis, Laura and Andreas, Jacob and Baroni, Marco and Bouchacourt, Diane and Lake, Brenden M},
 booktitle = {Advances in Neural Information Processing Systems},
 editor = {H. Larochelle and M. Ranzato and R. Hadsell and M. F. Balcan and H. Lin},
 pages = {19861--19872},
 publisher = {Curran Associates, Inc.},
 title = {A Benchmark for Systematic Generalization in Grounded Language Understanding},
 url = {https://proceedings.neurips.cc/paper/2020/file/e5a90182cc81e12ab5e72d66e0b46fe3-Paper.pdf},
 volume = {33},
 year = {2020}
}

@inproceedings{qiu-etal-2021-systematic,
    title = "Systematic Generalization on g{SCAN}: {W}hat is Nearly Solved and What is Next?",
    author = "Qiu, Linlu  and
      Hu, Hexiang  and
      Zhang, Bowen  and
      Shaw, Peter  and
      Sha, Fei",
    booktitle = "Proceedings of the 2021 Conference on Empirical Methods in Natural Language Processing",
    month = nov,
    year = "2021",
    address = "Online and Punta Cana, Dominican Republic",
    publisher = "Association for Computational Linguistics",
    url = "https://aclanthology.org/2021.emnlp-main.166",
    doi = "10.18653/v1/2021.emnlp-main.166",
    pages = "2180--2188",
}

grounded_scan/compositional_splits (การกำหนดค่าเริ่มต้น)

  • คำอธิบายการกำหนดค่า : ตัวอย่างสำหรับการจัดวางองค์ประกอบทั่วไป

  • ขนาดการดาวน์โหลด : 82.10 MiB

  • ขนาดชุดข้อมูล : 998.11 MiB

  • แยก :

แยก ตัวอย่าง
'adverb_1' 112,880
'adverb_2' 38,582
'contextual' 11,460
'dev' 3,716
'situational_1' 88,642
'situational_2' 16,808
'test' 19,282
'train' 367,933
'visual' 37,436
'visual_easier' 18,718

grounded_scan/target_length_split

  • คำอธิบายการกำหนดค่า : ตัวอย่างสำหรับการสรุปความยาวเป้าหมายที่ใหญ่ขึ้น

  • ขนาดการดาวน์โหลด : 53.41 MiB

  • ขนาดชุดข้อมูล : 546.73 MiB

  • แยก :

แยก ตัวอย่าง
'dev' 1,821
'target_lengths' 198,588
'test' 37,784
'train' 180,301

grounded_scan/spatial_relation_splits

  • คำอธิบายการกำหนดค่า : ตัวอย่างสำหรับการให้เหตุผลเชิงพื้นที่

  • ขนาดการดาวน์โหลด : 89.59 MiB

  • ขนาดชุดข้อมูล : 675.09 MiB

  • แยก :

แยก ตัวอย่าง
'dev' 2,617
'referent' 30,492
'relation' 6,285
'relative_position_1' 41,576
'relative_position_2' 41,529
'test' 28,526
'train' 259,088
'visual' 62,250