movie_rationales

• Descriptif :

L'ensemble de données de justification de film contient des justifications annotées par l'homme pour les critiques de films.

• Page d'accueil : http://www.cs.jhu.edu/~ozaidan/rationales/

• Code source : tfds.text.MovieRationales

• Versions :

  • 0.1.0 (par défaut) : aucune note de version.

• Taille du téléchargement : 3.72 MiB

• Taille du jeu de données : 8.37 MiB

• Mise en cache automatique ( documentation ): Oui

• Fractionnements :

Diviser	Exemples
'test'	199
'train'	1 600
'validation'	200

• Structure des fonctionnalités :

FeaturesDict({
    'evidences': Sequence(Text(shape=(), dtype=string)),
    'label': ClassLabel(shape=(), dtype=int64, num_classes=2),
    'review': Text(shape=(), dtype=string),
})

• Documentation des fonctionnalités :

Caractéristique	Classer	Forme	Dtype	La description
	FonctionnalitésDict
preuves	Séquence (texte)	(Aucun,)	chaîne de caractères
étiquette	Étiquette de classe		int64
examen	Texte		chaîne de caractères

• Clés supervisées (Voir as_supervised doc ): None

• Figure ( tfds.show_examples ) : non pris en charge.

• Exemples ( tfds.as_dataframe ):

• Citation :

@unpublished{eraser2019,
    title = {ERASER: A Benchmark to Evaluate Rationalized NLP Models},
    author = {Jay DeYoung and Sarthak Jain and Nazneen Fatema Rajani and Eric Lehman and Caiming Xiong and Richard Socher and Byron C. Wallace}
}
@InProceedings{zaidan-eisner-piatko-2008:nips,
  author    =  {Omar F. Zaidan  and  Jason Eisner  and  Christine Piatko},
  title     =  {Machine Learning with Annotator Rationales to Reduce Annotation Cost},
  booktitle =  {Proceedings of the NIPS*2008 Workshop on Cost Sensitive Learning},
  month     =  {December},
  year      =  {2008}
}