ช่วยปกป้อง Great Barrier Reef กับ TensorFlow บน Kaggle เข้าร่วมท้าทาย

หยด

  • รายละเอียด:

ด้วยประสิทธิภาพของระบบบนเกณฑ์มาตรฐานการอ่านเพื่อความเข้าใจที่ใกล้หรือเหนือกว่าประสิทธิภาพของมนุษย์ เราจึงต้องการชุดข้อมูลที่ตายตัวใหม่ซึ่งปรับปรุงความสามารถของระบบในการอ่านย่อหน้าของข้อความจริงๆ DROP เป็นเกณฑ์มาตรฐานของคำถาม 96k ที่รวบรวมจากมวลชน สร้างขึ้นโดยขัดแย้ง ซึ่งระบบจะต้องแก้ไขการอ้างอิงในคำถาม บางทีอาจไปยังตำแหน่งอินพุตหลายตำแหน่ง และดำเนินการแยกกัน (เช่น การเพิ่ม การนับ หรือการเรียงลำดับ) การดำเนินการเหล่านี้ต้องการความเข้าใจที่ครอบคลุมเกี่ยวกับเนื้อหาของย่อหน้ามากกว่าที่จำเป็นสำหรับชุดข้อมูลก่อนหน้า

  • โฮมเพจ: https://allennlp.org/drop

  • รหัสที่มา: tfds.text.drop.Drop

  • รุ่น:

    • 1.0.0 : เริ่มต้นปล่อย
    • 2.0.0 (เริ่มต้น): เพิ่มตัวเลือกทั้งหมดสำหรับคำตอบ
  • ขนาดการดาวน์โหลด: 7.92 MiB

  • ขนาดชุด: 116.24 MiB

  • ออโต้แคช ( เอกสาร ): ใช่

  • แยก:

แยก ตัวอย่าง
'dev' 9,536
'train' 77,409
  • คุณสมบัติ:
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)),
})
  • อ้างอิง:
@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}
}