امروز برای رویداد محلی TensorFlow خود در همه جا پاسخ دهید!
این صفحه به‌وسیله ‏Cloud Translation API‏ ترجمه شده است.
Switch to English

رها کردن

  • توضیحات :

با عملکرد سیستم در معیارهای درک مطلب موجود نزدیک یا فراتر از عملکرد انسان ، ما به یک مجموعه داده جدید و سخت نیاز داریم که توانایی سیستم را برای خواندن واقعی پاراگرافهای متن بهبود بخشد. DROP یک معیار جمع و جور ، ایجاد خصمانه ، 96 کیلو سوال است که در آن یک سیستم باید منابع موجود در یک سوال را حل کند ، شاید به موقعیت های ورودی متعدد ، و عملیات گسسته را روی آنها انجام دهد (مانند جمع کردن ، شمارش یا مرتب سازی). این عملیات به درک بسیار جامع تری از محتوای پاراگراف ها نسبت به آنچه برای مجموعه داده های قبلی لازم بود ، نیاز دارد.

  • صفحه اصلی : https://allennlp.org/drop

  • کد منبع : tfds.text.drop.Drop

  • نسخه ها :

    • 1.0.0 : انتشار اولیه.
    • 2.0.0 (پیش فرض): تمام گزینه ها را برای پاسخ ها اضافه کنید.
  • حجم دانلود : 7.92 MiB

  • اندازه مجموعه داده : 116.24 MiB

  • ذخیره خودکار ( مستندات ): بله

  • تقسیم :

شکاف مثال ها
'dev' 9،536
'train' 77،409
  • ویژگی ها :
FeaturesDict({
    'answer': Text(shape=(), dtype=tf.string),
    'passage': Text(shape=(), dtype=tf.string),
    'query_id': Text(shape=(), dtype=tf.string),
    'question': Text(shape=(), dtype=tf.string),
    'validated_answers': Sequence(Text(shape=(), dtype=tf.string)),
})
  • کلیدهای تحت نظارت (به as_supervised سند نظارت شده مراجعه کنید): None

  • نقل قول :

@inproceedings{Dua2019DROP,
  author={Dheeru Dua and Yizhong Wang and Pradeep Dasigi and Gabriel Stanovsky and Sameer Singh and Matt Gardner},
  title={  {DROP}: A Reading Comprehension Benchmark Requiring Discrete Reasoning Over Paragraphs},
  booktitle={Proc. of NAACL},
  year={2019}
}