uzasadnienie_filmu

• opis :

Zbiór danych uzasadnienia filmu zawiera uzasadnienia dotyczące recenzji filmów z adnotacjami ludzkimi.

• Strona domowa : http://www.cs.jhu.edu/~ozaidan/rationales/

• Kod źródłowy : tfds.text.MovieRationales

• Wersje :

  • 0.1.0 (domyślnie): Brak informacji o wersji.

• Rozmiar pliku do pobrania : 3.72 MiB

• Rozmiar zestawu danych : 8.37 MiB

• Automatyczne buforowanie ( dokumentacja ): Tak

• Podziały :

Rozdzielać	Przykłady
'test'	199
'train'	1600
'validation'	200

• Struktura funkcji :

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

• Dokumentacja funkcji :

Funkcja	Klasa	Kształt	Typ D	Opis
	FunkcjeDict
dowody	Sekwencja (tekst)	(Nic,)	strunowy
etykieta	Etykieta klasy		int64
recenzja	Tekst		strunowy

• Klucze nadzorowane (Zobacz dokument as_supervised ): None

• Rysunek ( tfds.show_examples ): Nieobsługiwany.

• Przykłady ( tfds.as_dataframe ):

• Cytat :

@unpublished{eraser2019,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}
}