squad_question_generation

• תיאור :

יצירת שאלות באמצעות מערך נתונים של squad תוך שימוש בפיצולי נתונים המתוארים ב'יצירת שאלות עצביות מטקסט: מחקר מקדים' (Zhou et al, 2017) ו'Learning to Ask: Neural Question Generation for Reading Comprehension' (Du et al, 2017).

• דף הבית : https://github.com/xinyadu/nqg @inproceedings{du-etal-2017-learning, title = "ללמוד לשאול: יצירת שאלות עצביות להבנת הנקרא", מחבר = "Du, Xinya and Shao, Junru and קארדי, קלייר", כותרת הספר = "הליכי האסיפה השנתית ה-55 של האגודה לבלשנות חישובית (כרך 1: מאמרים ארוכים)", חודש = יולי, שנה = "2017", כתובת = "ונקובר, קנדה", מוציא לאור = " האגודה לבלשנות חישובית", url = "https://aclanthology.org/P17-1123", doi = "10.18653/v1/P17-1123", pages = "1342--1352", } ", חודש = יולי, 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", } )

• קוד מקור : tfds.text.squad_question_generation.SquadQuestionGeneration

• גרסאות :

  • 1.0.0 : בנייה ראשונית עם מזהי SQuAD QAS ייחודיים בכל פיצול, תוך שימוש בהקשר ברמת המעבר (Zhou et al, 2017).

  • 2.0.0 : מתאים לפיצול המקורי של (Zhou et al, 2017), מאפשר גם הקשרים ברמת המשפט וגם ברמת הקטע, ומשתמש בתשובות מ (Zhou et al, 2017).

  • 3.0.0 (ברירת מחדל): הוסיף גם את הפיצול של (Du et al, 2017).

• שמור אוטומטי במטמון ( תיעוד ): כן

• מפתחות בפיקוח (ראה כמסמך בפיקוח): (' as_supervised ('context_passage', 'question')

• איור ( tfds.show_examples ): לא נתמך.

• ציטוט :

@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 (תצורת ברירת המחדל)

• תיאור תצורה : תשובה ליצירת שאלות עצמאית מהקשרים ברמת המעבר (Du et al, 2017).

• גודל הורדה : 62.83 MiB

• גודל ערכת נתונים: 84.67 MiB

• פיצולים :

לְפַצֵל	דוגמאות
'test'	11,877
'train'	75,722
'validation'	10,570

• מבנה תכונה :

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

• תיעוד תכונה :

תכונה	מעמד	צוּרָה	Dtype	תיאור
	FeaturesDict
תשובה	טֶקסט		חוּט
context_passage	טֶקסט		חוּט
שְׁאֵלָה	טֶקסט		חוּט

• דוגמאות ( tfds.as_dataframe ):

squad_question_generation/split_zhou

• תיאור תצורה : יצירת שאלות תלויות טווח תשובות מהקשרים ברמת המשפט והקטע (Zhou et al, 2017).

• גודל הורדה : 62.52 MiB

• גודל מערך נתונים : 111.02 MiB

• פיצולים :

לְפַצֵל	דוגמאות
'test'	8,964
'train'	86,635
'validation'	8,965

• מבנה תכונה :

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

• תיעוד תכונה :

תכונה	מעמד	צוּרָה	Dtype	תיאור
	FeaturesDict
תשובה	טֶקסט		חוּט
context_passage	טֶקסט		חוּט
משפט_הקשר	טֶקסט		חוּט
שְׁאֵלָה	טֶקסט		חוּט

• דוגמאות ( tfds.as_dataframe ):