clinc_oos

• Mô tả :

Các hệ thống hộp thoại hướng tác vụ cần biết khi nào một truy vấn nằm ngoài phạm vi ý định được hỗ trợ của chúng, nhưng kho ngữ liệu phân loại văn bản hiện tại chỉ xác định các bộ nhãn bao gồm mọi ví dụ. Chúng tôi giới thiệu tập dữ liệu mới bao gồm các truy vấn nằm ngoài phạm vi (OOS), nghĩa là các truy vấn không thuộc bất kỳ ý định được hỗ trợ nào của hệ thống. Điều này đặt ra một thách thức mới vì các mô hình không thể giả định rằng mọi truy vấn tại thời điểm suy luận đều thuộc về một lớp ý định được hệ thống hỗ trợ. Bộ dữ liệu của chúng tôi cũng bao gồm 150 lớp ý định trên 10 miền, nắm bắt được phạm vi mà một tác nhân định hướng nhiệm vụ sản xuất phải xử lý. Nó cung cấp một cách phân loại văn bản theo tiêu chuẩn chặt chẽ và thực tế hơn trong các hệ thống hộp thoại hướng đến nhiệm vụ.

• Tài liệu bổ sung : Khám phá trên giấy tờ với mã north_east

• Trang chủ : https://github.com/clinc/oos-eval/

• Mã nguồn : tfds.text.ClincOOS

• Phiên bản :

  • 0.1.0 (mặc định): Không có ghi chú phát hành.

• Kích thước tải xuống : 256.01 KiB

• Kích thước tập dữ liệu : 3.40 MiB

• Tự động lưu vào bộ đệm ( tài liệu ): Có

• Chia tách :

• Cấu trúc tính năng :

FeaturesDict({
    'domain': int32,
    'domain_name': Text(shape=(), dtype=string),
    'intent': int32,
    'intent_name': Text(shape=(), dtype=string),
    'text': Text(shape=(), dtype=string),
})

• Tài liệu tính năng :

• Các khóa được giám sát (Xem as_supervised doc ): ('text', 'intent')

• Hình ( tfds.show_examples ): Không được hỗ trợ.

• Ví dụ ( tfds.as_dataframe ):

• trích dẫn :

@inproceedings{larson-etal-2019-evaluation,
    title = "An Evaluation Dataset for Intent Classification and Out-of-Scope Prediction",
    author = "Larson, Stefan  and
      Mahendran, Anish  and
      Peper, Joseph J.  and
      Clarke, Christopher  and
      Lee, Andrew  and
      Hill, Parker  and
      Kummerfeld, Jonathan K.  and
      Leach, Kevin  and
      Laurenzano, Michael A.  and
      Tang, Lingjia  and
      Mars, Jason",
    booktitle = "Proceedings of the 2019 Conference on Empirical Methods in Natural Language Processing and the 9th International Joint Conference on Natural Language Processing (EMNLP-IJCNLP)",
    month = nov,
    year = "2019",
    address = "Hong Kong, China",
    publisher = "Association for Computational Linguistics",
    url = "https://www.aclweb.org/anthology/D19-1131",
    doi = "10.18653/v1/D19-1131",
    pages = "1311--1316",
}