squad_question_generation

• توضیحات :

ایجاد سؤال با استفاده از مجموعه داده گروهی با استفاده از تقسیم داده‌ها که در «تولید سؤالات عصبی از متن: یک مطالعه مقدماتی» (ژو و همکاران، 2017) و «یادگیری برای پرسیدن: تولید سؤالات عصبی برای درک مطلب» (دو و همکاران، 2017) توضیح داده شده است.

• صفحه اصلی : https://github.com/xinyadu/nqg @inproceedings{du-etal-2017-learning، عنوان = "آموزش پرسیدن: نسل سوالات عصبی برای درک مطلب"، نویسنده = "دو، زینیا و شائو، جونرو و Cardie, Claire، عنوان کتاب = "مجموعه مقالات پنجاه و پنجمین نشست سالانه انجمن زبانشناسی محاسباتی (جلد 1: مقالات طولانی)"، ماه = جولای، سال = "2017"، آدرس = "ونکوور، کانادا"، ناشر = " انجمن زبانشناسی محاسباتی، url = "https://aclanthology.org/P17-1123"، doi = "10.18653/v1/P17-1123"، صفحات = "1342--1352"، } "، ماه = ژوئیه، سال = "2017"، آدرس = "ونکوور، کانادا"، ناشر = "انجمن زبان‌شناسی محاسباتی"، آدرس اینترنتی = "https://aclanthology.org/P17-1123"، doi = "10.18653/v1/P17-1123" , صفحات = "1342--1352"، } )

• کد منبع : tfds.text.squad_question_generation.SquadQuestionGeneration

• نسخه ها :

  • 1.0.0 : ساخت اولیه با شناسه های منحصر به فرد SQuAD QAS در هر تقسیم، با استفاده از زمینه سطح عبور (Zhou et al, 2017).

  • 2.0.0 : با تقسیم اصلی (Zhou et al, 2017) مطابقت دارد، هم زمینه های جمله و هم متن را مجاز می کند و از پاسخ های (Zhou et al, 2017) استفاده می کند.

  • 3.0.0 (پیش فرض): تقسیم (Du et al, 2017) نیز اضافه شد.

• ذخیره خودکار ( اسناد ): بله

• کلیدهای نظارت شده (به as_supervised نظارت شده مراجعه کنید): ('context_passage', 'question')

• شکل ( tfds.show_examples ): پشتیبانی نمی شود.

• نقل قول :

@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 (پیکربندی پیش فرض)

• شرح پیکربندی : پاسخ به تولید سؤال مستقل از زمینه های سطح گذر (دو و همکاران، 2017).

• حجم دانلود : 62.83 MiB

• حجم مجموعه داده : 84.67 MiB

• تقسیم ها :

شکاف	مثال ها
'test'	11,877
'train'	75722
'validation'	10,570

• ساختار ویژگی :

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

• مستندات ویژگی :

ویژگی	کلاس	شکل	نوع D	شرح
	FeaturesDict
پاسخ	متن		رشته
متن_گذر	متن		رشته
سوال	متن		رشته

• مثال‌ها ( tfds.as_dataframe ):

squad_question_generation/split_zhou

• شرح پیکربندی : تولید سؤال وابسته به دامنه پاسخ از زمینه‌های سطح جمله و متن (ژو و همکاران، 2017).

• حجم دانلود : 62.52 MiB

• حجم مجموعه داده : 111.02 MiB

• تقسیم ها :

شکاف	مثال ها
'test'	8,964
'train'	86635
'validation'	8,965

• ساختار ویژگی :

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

• مستندات ویژگی :

ویژگی	کلاس	شکل	نوع D	شرح
	FeaturesDict
پاسخ	متن		رشته
متن_گذر	متن		رشته
متن_جمله	متن		رشته
سوال	متن		رشته

• مثال‌ها ( tfds.as_dataframe ):