gumka_multi_rc

• opis :

Eraser Multi RC to zestaw danych do zapytań dotyczących fragmentów wielowierszowych wraz z odpowiedziami i uzasadnieniem. Każdy przykład w tym zbiorze danych składa się z następujących 5 części

1. Przejście wielowierszowe 2. Zapytanie o przejście 3. Odpowiedź na zapytanie
2. Klasyfikacja co do tego, czy odpowiedź jest poprawna czy błędna 5. Wyjaśnienie uzasadniające klasyfikację

• Dodatkowa dokumentacja : Przeglądaj dokumenty z kodem na north_east

• Strona główna : https://cogcomp.seas.upenn.edu/multirc/

• Kod źródłowy : tfds.text.EraserMultiRc

• Wersje :

  • 0.1.1 (domyślnie): Brak informacji o wersji.

• Rozmiar pliku do pobrania : 1.59 MiB

• Rozmiar zestawu danych : 62.59 MiB

• Automatyczne buforowanie ( dokumentacja ): Tak

• Podziały :

• Struktura funkcji :

FeaturesDict({
    'evidences': Sequence(Text(shape=(), dtype=string)),
    'label': ClassLabel(shape=(), dtype=int64, num_classes=2),
    'passage': Text(shape=(), dtype=string),
    'query_and_answer': Text(shape=(), dtype=string),
})

• Dokumentacja funkcji :

• Klucze nadzorowane (Zobacz dokument as_supervised ): None

• Rysunek ( tfds.show_examples ): Nieobsługiwany.

• Przykłady ( tfds.as_dataframe ):

• Cytat :

@unpublished{eraser2019,
    title = {ERASER: A Benchmark to Evaluate Rationalized NLP Models},
    author = {Jay DeYoung and Sarthak Jain and Nazneen Fatema Rajani and Eric Lehman and Caiming Xiong and Richard Socher and Byron C. Wallace}
}
@inproceedings{MultiRC2018,
    author = {Daniel Khashabi and Snigdha Chaturvedi and Michael Roth and Shyam Upadhyay and Dan Roth},
    title = {Looking Beyond the Surface:A Challenge Set for Reading Comprehension over Multiple Sentences},
    booktitle = {NAACL},
    year = {2018}
}