wiki_table_questions

• Descripción :

El conjunto de datos contiene pares tabla-pregunta, y la respectiva respuesta. Las preguntas requieren un razonamiento de varios pasos y varias operaciones de datos, como comparación, agregación y cálculo aritmético. Las tablas se seleccionaron aleatoriamente entre las tablas de Wikipedia con al menos 8 filas y 5 columnas.

(Según las notas de uso de la documentación)

• Dev: Precisión media en tres (no cinco) divisiones de los datos de entrenamiento. En otras palabras, entrenar en 'split-{1,2,3}-train' y probar en 'split-{1,2,3}-dev', respectivamente, luego promediar la precisión.

• Prueba: Entrena en 'tren' y prueba en 'prueba'.

• Documentación adicional : Explore en Papers With Code

• Página de inicio : https://ppasupat.github.io/WikiTableQuestions/#usage-notes

• Código fuente : tfds.structured.wiki_table_questions.WikiTableQuestions

• Versiones :

  • 1.0.0 (predeterminado): versión inicial.

• Tamaño de la descarga : 65.36 MiB

• Tamaño del conjunto de datos : 237.24 MiB

• Almacenamiento automático en caché ( documentación ): Sí

• Divisiones :

Separar	Ejemplos
'split-1-dev'	2,810
'split-1-train'	11,321
'split-2-dev'	2,838
'split-2-train'	11,312
'split-3-dev'	2,838
'split-3-train'	11,311
'test'	4,344
'train'	14,149

• Estructura de características :

FeaturesDict({
    'input_text': FeaturesDict({
        'context': string,
        'table': Sequence({
            'column_header': string,
            'content': string,
            'row_number': int16,
        }),
    }),
    'target_text': string,
})

• Documentación de características :

Rasgo	Clase	Forma	Tipo D	Descripción
	CaracterísticasDict
texto de entrada	CaracterísticasDict
entrada_texto/contexto	Tensor		cuerda
entrada_texto/tabla	Secuencia
texto_de_entrada/tabla/encabezado_de_columna	Tensor		cuerda
entrada_texto/tabla/contenido	Tensor		cuerda
texto_de_entrada/tabla/número_de_fila	Tensor		int16
texto_objetivo	Tensor		cuerda

• Teclas supervisadas (Ver as_supervised doc ): ('input_text', 'target_text')

• Figura ( tfds.show_examples ): no compatible.

• Ejemplos ( tfds.as_dataframe ):

• Cita :

@inproceedings{pasupat-liang-2015-compositional,
    title = "Compositional Semantic Parsing on Semi-Structured Tables",
    author = "Pasupat, Panupong  and
      Liang, Percy",
    booktitle = "Proceedings of the 53rd Annual Meeting of the Association for Computational Linguistics and the 7th International Joint Conference on Natural Language Processing (Volume 1: Long Papers)",
    month = jul,
    year = "2015",
    address = "Beijing, China",
    publisher = "Association for Computational Linguistics",
    url = "https://www.aclweb.org/anthology/P15-1142",
    doi = "10.3115/v1/P15-1142",
    pages = "1470--1480",
}