skuad_pertanyaan_generasi

• Deskripsi :

Pembuatan pertanyaan menggunakan dataset regu menggunakan pemisahan data yang dijelaskan dalam 'Pembuatan Pertanyaan Saraf dari Teks: Studi Awal' (Zhou et al, 2017) dan 'Belajar Bertanya: Pembuatan Pertanyaan Syaraf untuk Pemahaman Membaca' (Du et al, 2017).

• Beranda : https://github.com/xinyadu/nqg @inproceedings{du-etal-2017-learning, title = "Belajar Bertanya: Generasi Pertanyaan Neural untuk Pemahaman Membaca", author = "Du, Xinya dan Shao, Junru dan Cardie, Claire", booktitle = "Prosiding Pertemuan Tahunan ke-55 Asosiasi Linguistik Komputasi (Volume 1: Makalah Panjang)", bulan = jul, tahun = "2017", alamat = "Vancouver, Kanada", penerbit = " Association for Computational Linguistics", url = "https://aclanthology.org/P17-1123", doi = "10.18653/v1/P17-1123", pages = "1342--1352", } ", bulan = jul, year = "2017", address = "Vancouver, Canada", publisher = "Association for Computational Linguistics", url = "https://aclanthology.org/P17-1123", doi = "10.18653/v1/P17-1123" , halaman = "1342--1352", } )

• Kode sumber : tfds.text.squad_question_generation.SquadQuestionGeneration

• Versi :

  • 1.0.0 : Build awal dengan ID QAS SQuAD unik di setiap pemisahan, menggunakan konteks level bagian (Zhou et al, 2017).

  • 2.0.0 : Mencocokkan pemisahan asli dari (Zhou et al, 2017), memungkinkan konteks tingkat kalimat dan bagian, dan menggunakan jawaban dari (Zhou et al, 2017).

  • 3.0.0 (default): Menambahkan pemisahan (Du et al, 2017) juga.

• Di-cache otomatis ( dokumentasi ): Ya

• Kunci yang diawasi (Lihat as_supervised doc ): ('context_passage', 'question')

• Gambar ( tfds.show_examples ): Tidak didukung.

• Kutipan :

@inproceedings{du-etal-2017-learning,
    title = "Learning to Ask: Neural Question Generation for Reading Comprehension",
    author = "Du, Xinya  and Shao, Junru  and Cardie, Claire",
    booktitle = "Proceedings of the 55th Annual Meeting of the Association for Computational Linguistics (Volume 1: Long Papers)",
    month = jul,
    year = "2017",
    address = "Vancouver, Canada",
    publisher = "Association for Computational Linguistics",
    url = "https://aclanthology.org/P17-1123",
    doi = "10.18653/v1/P17-1123",
    pages = "1342--1352",
}

@inproceedings{rajpurkar-etal-2016-squad,
    title = "{SQ}u{AD}: 100,000+ Questions for Machine Comprehension of Text",
    author = "Rajpurkar, Pranav  and Zhang, Jian  and Lopyrev, Konstantin  and Liang, Percy",
    booktitle = "Proceedings of the 2016 Conference on Empirical Methods in Natural Language Processing",
    month = nov,
    year = "2016",
    address = "Austin, Texas",
    publisher = "Association for Computational Linguistics",
    url = "https://aclanthology.org/D16-1264",
    doi = "10.18653/v1/D16-1264",
    pages = "2383--2392",
}

squad_question_generation/split_du (konfigurasi default)

• Deskripsi konfigurasi : Jawab pembuatan pertanyaan independen dari konteks tingkat bagian (Du et al, 2017).

• Ukuran unduhan : 62.83 MiB

• Ukuran dataset : 84.67 MiB

• Perpecahan :

Membelah	Contoh
'test'	11.877
'train'	75.722
'validation'	10.570

• Struktur fitur :

FeaturesDict({
    'answer': Text(shape=(), dtype=string),
    'context_passage': Text(shape=(), dtype=string),
    'question': Text(shape=(), dtype=string),
})

• Dokumentasi fitur :

Fitur	Kelas	Membentuk	Dtype	Keterangan
	fiturDict
menjawab	Teks		rangkaian
konteks_bagian	Teks		rangkaian
pertanyaan	Teks		rangkaian

• Contoh ( tfds.as_dataframe ):

squad_question_generation/split_zhou

• Deskripsi konfigurasi : Pembuatan pertanyaan yang bergantung pada rentang jawaban dari konteks tingkat kalimat dan bagian (Zhou et al, 2017).

• Ukuran unduhan : 62.52 MiB

• Ukuran dataset : 111.02 MiB

• Perpecahan :

Membelah	Contoh
'test'	8.964
'train'	86.635
'validation'	8.965

• Struktur fitur :

FeaturesDict({
    'answer': Text(shape=(), dtype=string),
    'context_passage': Text(shape=(), dtype=string),
    'context_sentence': Text(shape=(), dtype=string),
    'question': Text(shape=(), dtype=string),
})

• Dokumentasi fitur :

Fitur	Kelas	Membentuk	Dtype	Keterangan
	fiturDict
menjawab	Teks		rangkaian
konteks_bagian	Teks		rangkaian
konteks_kalimat	Teks		rangkaian
pertanyaan	Teks		rangkaian

• Contoh ( tfds.as_dataframe ):