- Описание :
Cosmos QA - это крупномасштабный набор данных из 35,6 тыс. Задач, которые требуют понимания прочитанного на основе здравого смысла, сформулированного в виде вопросов с несколькими вариантами ответов. Он фокусируется на чтении между строк разнообразного набора повседневных рассказов людей, на постановке вопросов, касающихся вероятных причин или следствий событий, которые требуют рассуждений, выходящих за рамки точных фрагментов текста в контексте.
Домашняя страница : https://wilburone.github.io/cosmos/
Исходный код :
tfds.question_answering.CosmosQA
Версии :
-
1.0.0
(по умолчанию): без примечаний к выпуску.
-
Размер загрузки :
23.27 MiB
Размер набора данных :
27.09 MiB
Автоматическое кэширование ( документация ): Да
Сплит :
Трещина | Примеры |
---|---|
'test' | 6 963 |
'train' | 25 262 |
'validation' | 2 985 |
- Особенности :
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),
})
Контролируемые ключи (см.
as_supervised
doc ):None
Цитата :
@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"
}
Рисунок ( tfds.show_examples ): не поддерживается.
Примеры ( tfds.as_dataframe ):