trec

  • توضیحات :

مجموعه داده طبقه بندی سوالات کنفرانس بازیابی متن (TREC) شامل 5500 سوال برچسب گذاری شده در مجموعه آموزشی و 500 سوال دیگر برای مجموعه تست است. مجموعه داده دارای 6 برچسب، 47 برچسب سطح 2 است. میانگین طول هر جمله 10، حجم واژگان 8700 است. داده ها از چهار منبع جمع آوری شده است: 4500 سؤال انگلیسی منتشر شده توسط USC (Hovy et al., 2001)، حدود 500 سؤال دستی ساخته شده برای چند کلاس نادر، 894 TREC 8 و سوالات TREC 9 و همچنین 500 سوال از TREC 10 که به عنوان مجموعه تست عمل می کند.

شکاف مثال ها
'test' 500
'train' 5,452
  • ساختار ویژگی :
FeaturesDict({
    'label-coarse': ClassLabel(shape=(), dtype=int64, num_classes=6),
    'label-fine': ClassLabel(shape=(), dtype=int64, num_classes=47),
    'text': Text(shape=(), dtype=string),
})
  • مستندات ویژگی :
ویژگی کلاس شکل نوع D شرح
FeaturesDict
برچسب درشت ClassLabel int64
برچسب خوب ClassLabel int64
متن متن رشته
  • نقل قول :
@inproceedings{li-roth-2002-learning,
    title = "Learning Question Classifiers",
    author = "Li, Xin  and
      Roth, Dan",
    booktitle = "{COLING} 2002: The 19th International Conference on Computational Linguistics",
    year = "2002",
    url = "https://www.aclweb.org/anthology/C02-1150",
}
@inproceedings{hovy-etal-2001-toward,
    title = "Toward Semantics-Based Answer Pinpointing",
    author = "Hovy, Eduard  and
      Gerber, Laurie  and
      Hermjakob, Ulf  and
      Lin, Chin-Yew  and
      Ravichandran, Deepak",
    booktitle = "Proceedings of the First International Conference on Human Language Technology Research",
    year = "2001",
    url = "https://www.aclweb.org/anthology/H01-1069",
}