ช่วยปกป้อง Great Barrier Reef กับ TensorFlow บน Kaggle เข้าร่วมท้าทาย

mlqa

  • รายละเอียด:

MLQA (ชุดข้อมูลตอบคำถามหลายภาษา) เป็นชุดข้อมูลเปรียบเทียบสำหรับการประเมินประสิทธิภาพการตอบคำถามหลายภาษา ชุดข้อมูลประกอบด้วย 7 ภาษา: อาหรับ เยอรมัน สเปน อังกฤษ ฮินดี เวียดนาม จีน

FeaturesDict({
    'answers': Sequence({
        'answer_start': tf.int32,
        'text': Text(shape=(), dtype=tf.string),
    }),
    'context': Text(shape=(), dtype=tf.string),
    'id': tf.string,
    'question': Text(shape=(), dtype=tf.string),
    'title': Text(shape=(), dtype=tf.string),
})
  • คีย์ภายใต้การดูแล (ดู as_supervised doc ): None

  • รูป ( tfds.show_examples ): ไม่ได้รับการสนับสนุน

  • อ้างอิง:

@article{lewis2019mlqa,
  title={MLQA: Evaluating Cross-lingual Extractive Question Answering},
  author={Lewis, Patrick and Ouguz, Barlas and Rinott, Ruty and Riedel,   Sebastian and Schwenk, Holger},
  journal={arXiv preprint arXiv:1910.07475},
  year={2019}
}

mlqa/ar (การกำหนดค่าเริ่มต้น)

  • คำอธิบาย Config: MLQA 'เท่' dev และการทดสอบแยก

  • ขนาดชุด: 9.27 MiB

  • แยก:

แยก ตัวอย่าง
'test' 5,335
'validation' 517

mlqa/เด

  • คำอธิบาย Config: MLQA 'de' dev และการทดสอบแยก

  • ขนาดชุด: 5.06 MiB

  • แยก:

แยก ตัวอย่าง
'test' 4,517
'validation' 512

mlqa/en

  • คำอธิบาย Config: MLQA 'en' dev และการทดสอบแยก

  • ขนาดชุด: 15.72 MiB

  • แยก:

แยก ตัวอย่าง
'test' 11,590
'validation' 1,148

mlqa/es

  • คำอธิบาย Config: MLQA 'ES' dev และการทดสอบแยก

  • ขนาดชุด: 5.09 MiB

  • แยก:

แยก ตัวอย่าง
'test' 5,253
'validation' 500

mlqa/สวัสดี

  • คำอธิบาย Config: MLQA 'สวัสดี' dev และการทดสอบแยก

  • ขนาดชุด: 12.83 MiB

  • แยก:

แยก ตัวอย่าง
'test' 4,918
'validation' 507

mlqa/vi

  • คำอธิบาย Config: MLQA 'vi' dev และการทดสอบแยก

  • ขนาดชุด: 8.77 MiB

  • แยก:

แยก ตัวอย่าง
'test' 5,495
'validation' 511

mlqa/จือ

  • คำอธิบาย Config: MLQA 'zh' dev และแยกการทดสอบ

  • ขนาดชุด: 5.13 MiB

  • แยก:

แยก ตัวอย่าง
'test' 5,137
'validation' 504