جيل_السؤال

• الوصف :

إنشاء الأسئلة باستخدام مجموعة بيانات الفريق باستخدام تقسيمات البيانات الموضحة في "إنشاء الأسئلة العصبية من النص: دراسة أولية" (Zhou et al ، 2017) و "تعلم طرح السؤال: توليد الأسئلة العصبية لفهم القراءة" (Du et al ، 2017).

• الصفحة الرئيسية : https://github.com/xinyadu/nqginproceedings {du-etal-2017-learning، title = "Learning to Ask: Neural Question Generation for Reading Comprehension"، author = "Du، Xinya and Shao، Junru and Cardie، Claire "، booktitle =" وقائع الاجتماع السنوي الخامس والخمسين لجمعية اللغويات الحاسوبية (المجلد 1: الأوراق الطويلة) "، 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 "،} "، month = jul، year = "2017"، address = "Vancouver، Canada"، publisher = "Association for Computational Linguistics" url = "https://aclanthology.org/P17-1123"، doi = "10.18653 / v1 / P17-1123" ، الصفحات = "1342--1352" ،})

• كود المصدر : tfds.text.squad_question_generation.SquadQuestionGeneration

• إصدارات :

  • 1.0.0 : البناء الأولي مع معرفات SQuAD QAS الفريدة في كل تقسيم ، باستخدام سياق على مستوى المرور (Zhou et al ، 2017).

  • 2.0.0 : يطابق التقسيم الأصلي لـ (Zhou et al ، 2017) ، ويسمح بكل من السياقات على مستوى الجملة والمرور ، ويستخدم إجابات من (Zhou et al ، 2017).

  • 3.0.0 (افتراضي): تمت إضافة تقسيم (Du et al ، 2017) أيضًا.

• التخزين المؤقت التلقائي ( الوثائق ): نعم

• المفاتيح الخاضعة للإشراف (راجع المستند الخاضع للإشراف): (' as_supervised ('context_passage', 'question')

• الشكل ( tfds.show_examples ): غير مدعوم.

• الاقتباس :

@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 (التكوين الافتراضي)

• وصف التكوين : أجب عن إنشاء سؤال مستقل من سياقات على مستوى المرور (Du et al ، 2017).

• حجم التحميل : 62.83 MiB

• حجم مجموعة البيانات : 84.67 MiB

• الانقسامات :

انشق، مزق	أمثلة
'test'	11،877
'train'	75722
'validation'	10570

• هيكل الميزة :

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

• وثائق الميزة :

ميزة	فصل	شكل	نوع	وصف
	الميزات
إجابه	نص		سلسلة
سياق_مرور	نص		سلسلة
سؤال	نص		سلسلة

• أمثلة ( tfds.as_dataframe ):

squad_question_generation / split_zhou

• وصف التكوين : إنشاء أسئلة تعتمد على مدى الإجابة من سياقات على مستوى الجملة والمرور (Zhou et al ، 2017).

• حجم التحميل : 62.52 MiB

• حجم مجموعة البيانات : 111.02 MiB

• الانقسامات :

انشق، مزق	أمثلة
'test'	8964
'train'	86،635
'validation'	8965

• هيكل الميزة :

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

• وثائق الميزة :

ميزة	فصل	شكل	نوع	وصف
	الميزات
إجابه	نص		سلسلة
سياق_مرور	نص		سلسلة
سياق_الجواب	نص		سلسلة
سؤال	نص		سلسلة

• أمثلة ( tfds.as_dataframe ):