दस्ते_सवाल_पीढ़ी

• विवरण :

'न्यूरल क्वेश्चन जनरेशन फ्रॉम टेक्स्ट: ए प्रिलिमिनरी स्टडी' (झोउ एट अल, 2017) और 'लर्निंग टू आस्क: न्यूरल क्वेश्चन जेनरेशन फॉर रीडिंग कॉम्प्रिहेंशन' (ड्यू एट अल, 2017) में वर्णित डेटा स्प्लिट्स का उपयोग करके स्क्वाड डेटासेट का उपयोग करके प्रश्न बनाना।

• मुखपृष्ठ : https://github.com/xinyadu/nqg @inproceedings{du-etal-2017-learning, शीर्षक = "पूछना सीखना: पढ़ने की समझ के लिए तंत्रिका प्रश्न पीढ़ी", लेखक = "दू, शिन्या और शाओ, जुनरू और कार्डी, क्लेयर", बुकटाइटल = "कम्प्यूटेशनल लिंग्विस्टिक्स एसोसिएशन की 55वीं वार्षिक बैठक की कार्यवाही (वॉल्यूम 1: लॉन्ग पेपर्स)", माह = जुलाई, वर्ष = "2017", पता = "वैंकूवर, कनाडा", प्रकाशक = " एसोसिएशन फॉर कम्प्यूटेशनल लिंग्विस्टिक्स", url = "https://aclanthology.org/P17-1123", doi = "10.18653/v1/P17-1123", पेज = "1342--1352", } ", महीना = जूल, वर्ष = "2017", पता = "वैंकूवर, कनाडा", प्रकाशक = "कम्प्यूटेशनल भाषाविज्ञान के लिए संघ", url = "https://aclanthology.org/P17-1123", doi = "10.18653/v1/P17-1123" , पेज = "1342--1352", } )

• स्रोत कोड : tfds.text.squad_question_generation.SquadQuestionGeneration

• संस्करण :

  • 1.0.0 : पैसेज-स्तर संदर्भ (झोउ एट अल, 2017) का उपयोग करते हुए, प्रत्येक विभाजन में अद्वितीय SQuAD QAS आईडी के साथ प्रारंभिक निर्माण।

  • 2.0.0 : (झोउ एट अल, 2017) के मूल विभाजन से मेल खाता है, वाक्य- और मार्ग-स्तर दोनों संदर्भों की अनुमति देता है, और (झोउ एट अल, 2017) से उत्तरों का उपयोग करता है।

  • 3.0.0 (डिफ़ॉल्ट): (Du et al, 2017) का विभाजन भी जोड़ा गया।

• ऑटो-कैश्ड ( दस्तावेज़ीकरण ): हाँ

• पर्यवेक्षित कुंजियाँ ( as_supervised दस्तावेज़ देखें): ('context_passage', 'question')

• चित्र ( tfds.show_examples ): समर्थित नहीं है।

• उद्धरण :

@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",
}

स्क्वाड_क्वेश्चन_जेनरेशन/स्प्लिट_डु (डिफ़ॉल्ट कॉन्फ़िगरेशन)

• कॉन्फिग विवरण : पैसेज-स्तर के संदर्भों से स्वतंत्र प्रश्न निर्माण का उत्तर दें (ड्यू एट अल, 2017)।

• डाउनलोड आकार : 62.83 MiB

• डेटासेट का आकार : 84.67 MiB

• विभाजन :

विभाजित करना	उदाहरण
'test'	11,877
'train'	75,722
'validation'	10,570

• फ़ीचर संरचना :

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

• फ़ीचर दस्तावेज़ीकरण :

विशेषता	कक्षा	आकार	डीटाइप	विवरण
	विशेषताएं डिक्ट
उत्तर	मूलपाठ		डोरी
context_passage	मूलपाठ		डोरी
प्रश्न	मूलपाठ		डोरी

• उदाहरण ( tfds.as_dataframe ):

स्क्वाड_क्वेश्चन_जेनरेशन/स्प्लिट_झोउ

• कॉन्फिग विवरण : वाक्य- और पैसेज-स्तर के संदर्भों से उत्तर-अवधि निर्भर प्रश्न पीढ़ी (झोउ एट अल, 2017)।

• डाउनलोड आकार : 62.52 MiB

• डेटासेट का आकार : 111.02 MiB

• विभाजन :

विभाजित करना	उदाहरण
'test'	8,964
'train'	86,635
'validation'	8,965

• फ़ीचर संरचना :

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

• फ़ीचर दस्तावेज़ीकरण :

विशेषता	कक्षा	आकार	डीटाइप	विवरण
	विशेषताएं डिक्ट
उत्तर	मूलपाठ		डोरी
context_passage	मूलपाठ		डोरी
संदर्भ_वाक्य	मूलपाठ		डोरी
प्रश्न	मूलपाठ		डोरी

• उदाहरण ( tfds.as_dataframe ):