definite_pronoun_resolution

• Deskripsi :

Disusun oleh 30 siswa dari salah satu kelas sarjana penulis. Pasangan kalimat ini mencakup topik mulai dari peristiwa nyata (misalnya, rencana Iran untuk menyerang duta besar Saudi untuk AS) hingga peristiwa / karakter dalam film (misalnya, Batman) dan situasi imajiner murni, yang sebagian besar mencerminkan budaya pop seperti yang dirasakan oleh anak-anak Amerika. lahir di awal tahun 90-an. Setiap contoh beranotasi mencakup empat baris: baris pertama berisi kalimat, baris kedua berisi kata ganti target, baris ketiga berisi dua kandidat anteseden, dan baris keempat berisi anteseden yang benar. Jika kata ganti target muncul lebih dari satu kali dalam kalimat, kemunculannya yang pertama adalah yang harus diselesaikan.

• Situs web : http://www.hlt.utdallas.edu/~vince/data/emnlp12/

• Kode sumber : tfds.text.DefinitePronounResolution

• Versi :

  • 1.1.0 (default): Tidak ada catatan rilis.

• Ukuran download : 222.12 KiB

• Ukuran 334.22 KiB data : 334.22 KiB

• Cache otomatis ( dokumentasi ): Ya

• Split :

• Fitur :

FeaturesDict({
    'candidates': Sequence(Text(shape=(), dtype=tf.string)),
    'label': ClassLabel(shape=(), dtype=tf.int64, num_classes=2),
    'pronoun': Text(shape=(), dtype=tf.string),
    'sentence': Text(shape=(), dtype=tf.string),
})

• Kunci yang diawasi (Lihat as_supervised doc ): ('sentence', 'label')

• Kutipan :

@inproceedings{rahman2012resolving,
  title={Resolving complex cases of definite pronouns: the winograd schema challenge},
  author={Rahman, Altaf and Ng, Vincent},
  booktitle={Proceedings of the 2012 Joint Conference on Empirical Methods in Natural Language Processing and Computational Natural Language Learning},
  pages={777--789},
  year={2012},
  organization={Association for Computational Linguistics}
}

• Gambar ( tfds.show_examples ): Tidak didukung.

• Contoh ( tfds.as_dataframe ):