q_re_cc

Opis :

Zbiór danych zawierający 14 tys. rozmów z 81 tys. par pytanie-odpowiedź. QReCC opiera się na pytaniach z TREC CAST, QuAC i Google Natural Pytania.

Strona główna : https://github.com/apple/ml-qrecc
Kod źródłowy : tfds.text.qrecc.QReCC
Wersje :
- 1.0.0 (domyślnie): Wersja pierwsza.
Rozmiar pobierania : 7.60 MiB
Rozmiar zbioru danych : 69.29 MiB
Automatyczne buforowanie ( dokumentacja ): Tak
Podziały :

Podział	Przykłady
`'test'`	16 451
`'train'`	63501

Struktura funkcji :

FeaturesDict({
    'answer': Text(shape=(), dtype=string),
    'answer_url': Text(shape=(), dtype=string),
    'context': Sequence(Text(shape=(), dtype=string)),
    'conversation_id': Scalar(shape=(), dtype=int32, description=The id of the conversation.),
    'question': Text(shape=(), dtype=string),
    'question_rewrite': Text(shape=(), dtype=string),
    'source': Text(shape=(), dtype=string),
    'turn_id': Scalar(shape=(), dtype=int32, description=The id of the conversation turn, within a conversation.),
})

Dokumentacja funkcji :

Funkcja	Klasa	Kształt	Typ D	Opis
	FunkcjeDykt
odpowiedź	Tekst		smyczkowy
adres_odpowiedzi	Tekst		smyczkowy
kontekst	Sekwencja (tekst)	(Nic,)	smyczkowy
identyfikator_rozmowy	Skalarny		int32	Identyfikator rozmowy.
pytanie	Tekst		smyczkowy
pytanie_przepisz	Tekst		smyczkowy
źródło	Tekst		smyczkowy	Oryginalne źródło danych — QuAC, CAST lub Natural Pytania
turn_id	Skalarny		int32	Identyfikator konwersacji w trakcie rozmowy.

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

Cytat :

@article{qrecc,
  title={Open-Domain Question Answering Goes Conversational via Question Rewriting},
  author={Anantha, Raviteja and Vakulenko, Svitlana and Tu, Zhucheng and Longpre, Shayne and Pulman, Stephen and Chappidi, Srinivas},
  journal={Proceedings of the 2021 Conference of the North American Chapter of the Association for Computational Linguistics: Human Language Technologies},
  year={2021}
}