- 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 ):