Quac

  • Описание:

Ответ на вопрос в контексте - это набор данных для моделирования, понимания и участия в диалоге поиска информации. Экземпляры данных состоят из интерактивного диалога между двумя сотрудниками толпы: (1) учеником, который задает последовательность вопросов в произвольной форме, чтобы узнать как можно больше о скрытом тексте Википедии, и (2) учитель, который отвечает на вопросы, предоставляя короткие выдержки. (промежутки) от текста. QuAC представляет проблемы, которых нет в существующих наборах данных машинного понимания: его вопросы часто более открыты, без ответа или имеют смысл только в контексте диалога.

  • Домашняя страница: https://quac.ai/

  • Исходный код: tfds.text.quac.Quac

  • Версии:

    • 1.0.0 ( по умолчанию): Первый выпуск.
  • Скачать Размер: 73.47 MiB

  • Dataset Размер: 298.04 MiB

  • Авто-кэшируются ( документация ): Нет

  • расколы:

Расколоть Примеры
'train' 83 568
'validation' 7 354
  • Особенности:
FeaturesDict({
    'answers': Sequence({
        'answer_start': tf.int32,
        'text': Text(shape=(), dtype=tf.string),
    }),
    'background': Text(shape=(), dtype=tf.string),
    'context': Text(shape=(), dtype=tf.string),
    'followup': Text(shape=(), dtype=tf.string),
    'orig_answer': FeaturesDict({
        'answer_start': tf.int32,
        'text': Text(shape=(), dtype=tf.string),
    }),
    'question': Text(shape=(), dtype=tf.string),
    'section_title': Text(shape=(), dtype=tf.string),
    'title': Text(shape=(), dtype=tf.string),
    'yesno': Text(shape=(), dtype=tf.string),
})
  • Образец цитирования:
@article{choi2018quac,
  title={Quac: Question answering in context},
  author={Choi, Eunsol and He, He and Iyyer, Mohit and Yatskar, Mark and Yih, Wen-tau and Choi, Yejin and Liang, Percy and Zettlemoyer, Luke},
  journal={arXiv preprint arXiv:1808.07036},
  year={2018}
}