ช่วยปกป้อง Great Barrier Reef กับ TensorFlow บน Kaggle เข้าร่วมท้าทาย

definite_pronoun_ความละเอียด

  • รายละเอียด:

ประกอบด้วยนักเรียน 30 คนจากชั้นเรียนระดับปริญญาตรีของผู้เขียนคนหนึ่ง ประโยคคู่เหล่านี้ครอบคลุมหัวข้อตั้งแต่เหตุการณ์จริง (เช่น แผนการของอิหร่านที่จะโจมตีเอกอัครราชทูตซาอุดิอาระเบียไปยังสหรัฐอเมริกา) ไปจนถึงเหตุการณ์/ตัวละครในภาพยนตร์ (เช่น แบทแมน) และสถานการณ์ในจินตนาการล้วนๆ ซึ่งส่วนใหญ่สะท้อนถึงวัฒนธรรมป๊อปตามที่เด็กอเมริกันรับรู้ เกิดในช่วงต้นยุค 90 ตัวอย่างที่มีคำอธิบายประกอบแต่ละรายการครอบคลุมสี่บรรทัด: บรรทัดแรกประกอบด้วยประโยค บรรทัดที่สองประกอบด้วยคำสรรพนามเป้าหมาย บรรทัดที่สามประกอบด้วยข้อมูลก่อนหน้าของผู้สมัครสองคน และบรรทัดที่สี่มีคำนำหน้าที่ถูกต้อง หากคำสรรพนามเป้าหมายปรากฏมากกว่าหนึ่งครั้งในประโยค การเกิดขึ้นครั้งแรกของคำสรรพนามนั้นจะต้องได้รับการแก้ไข

แยก ตัวอย่าง
'test' 564
'train' 1,322
  • คุณสมบัติ:
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),
})
  • อ้างอิง:
@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}
}