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.

• اسناد اضافی : کاوش در کاغذها با کد

• صفحه اصلی : https://cogcomp.seas.upenn.edu/Data/QA/QC/

• کد منبع : tfds.datasets.trec.Builder

• نسخه ها :

  • 1.0.0 (پیش فرض): بدون یادداشت انتشار.

• حجم دانلود : 350.79 KiB

• حجم مجموعه داده : 636.90 KiB

• ذخیره خودکار ( اسناد ): بله

• تقسیم ها :

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

• کلیدهای نظارت شده (به as_supervised doc مراجعه کنید): None

• شکل ( tfds.show_examples ): پشتیبانی نمی شود.

• مثال‌ها ( tfds.as_dataframe ):

• 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",
}