salient_span_wikipedia

  • توضیحات :

جملات ویکی‌پدیا با دهانه‌های برجسته برچسب‌گذاری شده.

@article{guu2020realm,
    title={REALM: Retrieval-Augmented Language Model Pre-Training},
    author={Kelvin Guu and Kenton Lee and Zora Tung and Panupong Pasupat and Ming-Wei Chang},
    year={2020},
    journal = {arXiv e-prints},
    archivePrefix = {arXiv},
    eprint={2002.08909},
}

salient_span_wikipedia/جملات (پیکربندی پیش‌فرض)

  • توضیحات پیکربندی : مثال‌ها جملات فردی حاوی موجودیت‌ها هستند.

  • حجم مجموعه داده : 20.57 GiB

  • تقسیم ها :

شکاف مثال ها
'train' 82,291,706
  • ساختار ویژگی :
FeaturesDict({
    'spans': Sequence({
        'limit': int32,
        'start': int32,
        'type': string,
    }),
    'text': Text(shape=(), dtype=string),
    'title': Text(shape=(), dtype=string),
})
  • مستندات ویژگی :
ویژگی کلاس شکل نوع D شرح
FeaturesDict
دهانه می کند توالی
گستره/حد تانسور int32
دهانه/شروع تانسور int32
دهانه/نوع تانسور رشته
متن متن رشته
عنوان متن رشته

برجسته_span_wikipedia/ اسناد

  • توضیحات پیکربندی : نمونه هایی برای اسناد کامل.

  • حجم مجموعه داده : 16.52 GiB

  • تقسیم ها :

شکاف مثال ها
'train' 13,353,718
  • ساختار ویژگی :
FeaturesDict({
    'sentences': Sequence({
        'limit': int32,
        'start': int32,
    }),
    'spans': Sequence({
        'limit': int32,
        'start': int32,
        'type': string,
    }),
    'text': Text(shape=(), dtype=string),
    'title': Text(shape=(), dtype=string),
})
  • مستندات ویژگی :
ویژگی کلاس شکل نوع D شرح
FeaturesDict
جمله ها توالی
جملات / حد تانسور int32
جملات/شروع تانسور int32
دهانه می کند توالی
گستره/حد تانسور int32
دهانه/شروع تانسور int32
دهانه/نوع تانسور رشته
متن متن رشته
عنوان متن رشته