امروز برای رویداد محلی TensorFlow خود در همه جا پاسخ دهید!
این صفحه به‌وسیله ‏Cloud Translation API‏ ترجمه شده است.
Switch to English

آنلی

  • توضیحات :

Adversarial NLI (ANLI) یک مجموعه داده معیار NLI در مقیاس بزرگ است که از طریق یک روش تکراری ، خصمانه انسان و مدل در حلقه جمع آوری می شود.

FeaturesDict({
    'context': Text(shape=(), dtype=tf.string),
    'hypothesis': Text(shape=(), dtype=tf.string),
    'label': ClassLabel(shape=(), dtype=tf.int64, num_classes=3),
    'uid': Text(shape=(), dtype=tf.string),
})
  • کلیدهای تحت نظارت (به as_supervised سند نظارت شده مراجعه کنید): None

  • نقل قول :

@inproceedings{Nie2019AdversarialNA,
    title = "Adversarial NLI: A New Benchmark for Natural Language Understanding",
    author = "Nie, Yixin and
      Williams, Adina and
      Dinan, Emily  and
      Bansal, Mohit and
      Weston, Jason and
      Kiela, Douwe",
      year="2019",
    url ="https://arxiv.org/abs/1910.14599"
}

anli / r1 (پیکربندی پیش فرض)

  • توضیحات پیکربندی : دور اول

  • اندازه مجموعه داده : 9.04 MiB

  • تقسیم :

شکاف مثال ها
'test' 1000
'train' 16946
'validation' 1000

anli / r2

  • شرح پیکربندی : دور دو

  • اندازه مجموعه داده : 22.39 MiB

  • تقسیم :

شکاف مثال ها
'test' 1000
'train' 45،460
'validation' 1000

anli / r3

  • شرح پیکربندی : دور سه

  • اندازه مجموعه داده : 47.03 MiB

  • تقسیم :

شکاف مثال ها
'test' 1200
'train' 100459
'validation' 1200