topraklı_scan

  • Açıklama :

Grounded SCAN (gSCAN), yerleşik dil anlamada bileşimsel genellemeyi değerlendirmek için sentetik bir veri kümesidir. gSCAN, doğal dil talimatlarını eylem dizileriyle eşleştirir ve aracının, kılavuz tabanlı bir görsel gezinme ortamı bağlamında talimatları yorumlamasını gerektirir.

Daha fazla bilgi şurada bulunabilir:

FeaturesDict({
    'command': Sequence(Text(shape=(), dtype=tf.string)),
    'manner': Text(shape=(), dtype=tf.string),
    'meaning': Sequence(Text(shape=(), dtype=tf.string)),
    'referred_target': Text(shape=(), dtype=tf.string),
    'situation': FeaturesDict({
        'agent_direction': tf.int32,
        'agent_position': FeaturesDict({
            'column': tf.int32,
            'row': tf.int32,
        }),
        'direction_to_target': Text(shape=(), dtype=tf.string),
        'distance_to_target': tf.int32,
        'grid_size': tf.int32,
        'placed_objects': Sequence({
            'object': FeaturesDict({
                'color': Text(shape=(), dtype=tf.string),
                'shape': Text(shape=(), dtype=tf.string),
                'size': tf.int32,
            }),
            'position': FeaturesDict({
                'column': tf.int32,
                'row': tf.int32,
            }),
            'vector': Text(shape=(), dtype=tf.string),
        }),
        'target_object': FeaturesDict({
            'object': FeaturesDict({
                'color': Text(shape=(), dtype=tf.string),
                'shape': Text(shape=(), dtype=tf.string),
                'size': tf.int32,
            }),
            'position': FeaturesDict({
                'column': tf.int32,
                'row': tf.int32,
            }),
            'vector': Text(shape=(), dtype=tf.string),
        }),
    }),
    'target_commands': Sequence(Text(shape=(), dtype=tf.string)),
    'verb_in_command': Text(shape=(), dtype=tf.string),
})
  • Özellik belgeleri :
Özellik Sınıf Şekil Dtype Tanım
ÖzelliklerDict
emretmek Sıra(Metin) (Hiçbiri,) tf.string
tavır Metin tf.string
anlam Sıra(Metin) (Hiçbiri,) tf.string
başvurulan_target Metin tf.string
durum ÖzelliklerDict
durum/ajan_yön tensör tf.int32
durum/ajan_pozisyonu ÖzelliklerDict
durum/agent_position/sütun tensör tf.int32
durum/ajan_pozisyonu/satır tensör tf.int32
durum/yön_hedefi Metin tf.string
durum/distance_to_hedef tensör tf.int32
durum/ızgara_boyutu tensör tf.int32
durum/yerleştirilen_nesneler Sekans
durum/yerleştirilen_nesneler/nesne ÖzelliklerDict
durum/yerleştirilmiş_nesneler/nesne/renk Metin tf.string
durum/yerleştirilmiş_nesneler/nesne/şekil Metin tf.string
durum/yerleştirilmiş_nesneler/nesne/boyut tensör tf.int32
durum/yerleştirilmiş_nesneler/konum ÖzelliklerDict
durum/yerleştirilmiş_nesneler/konum/sütun tensör tf.int32
durum/yerleştirilmiş_nesneler/konum/satır tensör tf.int32
durum/yerleştirilmiş_nesneler/vektör Metin tf.string
durum/hedef_nesne ÖzelliklerDict
durum/hedef_nesne/nesne ÖzelliklerDict
durum/hedef_nesne/nesne/renk Metin tf.string
durum/hedef_nesne/nesne/şekil Metin tf.string
durum/hedef_nesne/nesne/boyut tensör tf.int32
durum/hedef_nesne/konum ÖzelliklerDict
durum/hedef_nesne/konum/sütun tensör tf.int32
durum/hedef_nesne/konum/satır tensör tf.int32
durum/hedef_nesne/vektör Metin tf.string
target_commands Sıra(Metin) (Hiçbiri,) tf.string
verb_in_command Metin tf.string
@inproceedings{NEURIPS2020_e5a90182,
 author = {Ruis, Laura and Andreas, Jacob and Baroni, Marco and Bouchacourt, Diane and Lake, Brenden M},
 booktitle = {Advances in Neural Information Processing Systems},
 editor = {H. Larochelle and M. Ranzato and R. Hadsell and M. F. Balcan and H. Lin},
 pages = {19861--19872},
 publisher = {Curran Associates, Inc.},
 title = {A Benchmark for Systematic Generalization in Grounded Language Understanding},
 url = {https://proceedings.neurips.cc/paper/2020/file/e5a90182cc81e12ab5e72d66e0b46fe3-Paper.pdf},
 volume = {33},
 year = {2020}
}

@inproceedings{qiu-etal-2021-systematic,
    title = "Systematic Generalization on g{SCAN}: {W}hat is Nearly Solved and What is Next?",
    author = "Qiu, Linlu  and
      Hu, Hexiang  and
      Zhang, Bowen  and
      Shaw, Peter  and
      Sha, Fei",
    booktitle = "Proceedings of the 2021 Conference on Empirical Methods in Natural Language Processing",
    month = nov,
    year = "2021",
    address = "Online and Punta Cana, Dominican Republic",
    publisher = "Association for Computational Linguistics",
    url = "https://aclanthology.org/2021.emnlp-main.166",
    doi = "10.18653/v1/2021.emnlp-main.166",
    pages = "2180--2188",
}

Grounded_scan/compositional_splits (varsayılan yapılandırma)

  • Yapılandırma açıklaması : Bileşimsel genelleme örnekleri.

  • İndirme boyutu : 82.10 MiB

  • Veri kümesi boyutu : 998.11 MiB

  • Bölmeler :

Bölmek Örnekler
'adverb_1' 112.880
'adverb_2' 38.582
'contextual' 11.460
'dev' 3.716
'situational_1' 88.642
'situational_2' 16.808
'test' 19.282
'train' 367.933
'visual' 37.436
'visual_easier' 18.718

topraklı_tarama/target_length_split

  • Yapılandırma açıklaması : Daha büyük hedef uzunluklarına genelleme örnekleri.

  • İndirme boyutu : 53.41 MiB

  • Veri kümesi boyutu : 546.73 MiB

  • Bölmeler :

Bölmek Örnekler
'dev' 1.821
'target_lengths' 198.588
'test' 37.784
'train' 180.301

topraklı_tarama/uzaysal_relation_splits

  • Yapılandırma açıklaması : Uzamsal ilişki muhakemesi için örnekler.

  • İndirme boyutu : 89.59 MiB

  • Veri kümesi boyutu : 675.09 MiB

  • Bölmeler :

Bölmek Örnekler
'dev' 2.617
'referent' 30.492
'relation' 6.285
'relative_position_1' 41.576
'relative_position_2' 41.529
'test' 28.526
'train' 259.088
'visual' 62.250