Ayuda a proteger la Gran Barrera de Coral con TensorFlow en Kaggle Únete Challenge

cosmos_qa

  • Descripción:

Cosmos QA es un conjunto de datos a gran escala de 35.6K problemas que requieren comprensión de lectura basada en el sentido común, formulados como preguntas de opción múltiple. Se enfoca en leer entre líneas sobre una colección diversa de narrativas cotidianas de las personas, haciendo preguntas sobre las posibles causas o efectos de eventos que requieren razonamiento más allá de los tramos de texto exactos en el contexto.

Separar Ejemplos de
'test' 6,963
'train' 25,262
'validation' 2,985
  • características:
FeaturesDict({
    'answer0': Text(shape=(), dtype=tf.string),
    'answer1': Text(shape=(), dtype=tf.string),
    'answer2': Text(shape=(), dtype=tf.string),
    'answer3': Text(shape=(), dtype=tf.string),
    'context': Text(shape=(), dtype=tf.string),
    'id': Text(shape=(), dtype=tf.string),
    'label': ClassLabel(shape=(), dtype=tf.int64, num_classes=4),
    'question': Text(shape=(), dtype=tf.string),
})
  • Cita:
@inproceedings{huang-etal-2019-cosmos,
    title = "Cosmos {QA}: Machine Reading Comprehension with Contextual Commonsense Reasoning",
    author = "Huang, Lifu  and
      Le Bras, Ronan  and
      Bhagavatula, Chandra  and
      Choi, Yejin",
    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)",
    year = "2019",
    url = "https://www.aclweb.org/anthology/D19-1243"
}