Definite_pronoun_resolution

• Описание :

Составлено 30 студентами одного из авторских курсов. Эти пары предложений охватывают самые разные темы: от реальных событий (например, план Ирана атаковать посла Саудовской Аравии в США) до событий / персонажей в фильмах (например, Бэтмен) и чисто воображаемых ситуаций, в значительной степени отражающих поп-культуру в восприятии американских детей родился в начале 90-х гг. Каждый аннотированный пример занимает четыре строки: первая строка содержит предложение, вторая строка содержит целевое местоимение, третья строка содержит два кандидата антецедента, а четвертая строка содержит правильный антецедент. Если целевое местоимение встречается в предложении более одного раза, необходимо разрешить его первое вхождение.

• Домашняя страница : http://www.hlt.utdallas.edu/~vince/data/emnlp12/

• Исходный код : tfds.text.DefinitePronounResolution

• Версии :

  • 1.1.0 (по умолчанию): без примечаний к выпуску.

• Размер загрузки : 222.12 KiB

• Размер набора данных : 334.22 KiB

• Автоматическое кэширование ( документация ): Да

• Сплит :

• Особенности :

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),
})

• Контролируемые ключи (см. as_supervised ): ('sentence', 'label')

• Цитата :

@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}
}

• Рисунок ( tfds.show_examples ): не поддерживается.

• Примеры ( tfds.as_dataframe ):