하락

• 설명 :

기존 독해 벤치마크의 시스템 성능이 사람의 성능에 근접하거나 능가하는 상황에서 텍스트 단락을 실제로 읽을 수 있는 시스템의 기능을 향상시키는 새로운 하드 데이터 세트가 필요합니다. DROP은 적대적으로 생성된 96,000개 질문으로 구성된 크라우드 소싱 벤치마크로, 시스템은 질문에서 여러 입력 위치에 대한 참조를 해결하고 여기에 대해 개별 작업(예: 추가, 계산 또는 정렬)을 수행해야 합니다. 이러한 작업에는 이전 데이터 세트에 필요한 것보다 단락 내용에 대한 훨씬 더 포괄적인 이해가 필요합니다.

• 추가 문서 : north_east 코드가 있는 논문에서 탐색

• 홈페이지 : https://allennlp.org/drop

• 소스 코드 : tfds.text.drop.Drop

• 버전 :

  • 1.0.0 : 최초 릴리스.
  • 2.0.0 (기본값): 답변에 대한 모든 옵션을 추가합니다.

• 다운로드 크기 : 7.92 MiB

• 데이터 세트 크기 : 116.24 MiB

• 자동 캐시 ( 문서 ): 예

• 분할 :

• 기능 구조 :

FeaturesDict({
    'answer': Text(shape=(), dtype=string),
    'passage': Text(shape=(), dtype=string),
    'query_id': Text(shape=(), dtype=string),
    'question': Text(shape=(), dtype=string),
    'validated_answers': Sequence(Text(shape=(), dtype=string)),
})

• 기능 문서 :

• 감독된 키 ( as_supervised 문서 참조): None

• 그림 ( tfds.show_examples ): 지원되지 않습니다.

• 예 ( tfds.as_dataframe ):

• 인용 :

@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}
}