RSVP для вашего местного мероприятия TensorFlow Everywhere сегодня!
Эта страница переведена с помощью Cloud Translation API.
Switch to English

падение

  • Описание :

Поскольку производительность системы по существующим тестам понимания прочитанного приближается к производительности человека или превосходит ее, нам нужен новый надежный набор данных, который улучшает возможности системы по фактическому чтению абзацев текста. DROP - это краудсорсинговый, созданный противоборствующий тест, состоящий из 96 тысяч вопросов, в котором система должна разрешать ссылки в вопросе, возможно, на несколько входных позиций, и выполнять над ними дискретные операции (такие как сложение, подсчет или сортировка). Эти операции требуют гораздо более полного понимания содержания абзацев, чем то, что было необходимо для предыдущих наборов данных.

  • Домашняя страница : https://allennlp.org/drop

  • Исходный код : tfds.text.drop.Drop

  • Версии :

    • 1.0.0 : Первоначальный выпуск.
    • 2.0.0 (по умолчанию): добавить все варианты ответов.
  • Размер загрузки : 7.92 MiB

  • Размер набора данных : 116.24 MiB

  • Автоматическое кэширование ( документация ): Да

  • Сплит :

Трещина Примеры
'dev' 9 536
'train' 77 409
  • Особенности :
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)),
})
  • Контролируемые ключи (см. as_supervised doc ): None

  • Цитата :

@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}
}