एमआरक्यूए

  • विवरण :

MRQA 2019 साझा कार्य प्रश्न उत्तर में सामान्यीकरण पर केंद्रित है। एक प्रभावी प्रश्न उत्तर प्रणाली को समान वितरण से तैयार किए गए परीक्षण उदाहरणों का उत्तर देने के लिए प्रशिक्षण सेट से केवल प्रक्षेपित करने से अधिक करना चाहिए: यह वितरण से बाहर के उदाहरणों को एक्सट्रपलेशन करने में भी सक्षम होना चाहिए - एक काफी कठिन चुनौती।

MRQA एक ही प्रारूप (SQuAD प्रारूप) में कई अलग-अलग प्रश्नों के उत्तर देने वाले डेटासेट (मौजूदा डेटासेट के सावधानीपूर्वक चयनित सबसेट) को अनुकूलित और एकीकृत करता है। उनमें से छह डेटासेट प्रशिक्षण के लिए उपलब्ध कराए गए थे और छह डेटासेट परीक्षण के लिए उपलब्ध कराए गए थे। प्रशिक्षण डेटासेट के छोटे हिस्से को इन-डोमेन डेटा के रूप में रखा गया था जिसका उपयोग विकास के लिए किया जा सकता है। परीक्षण डेटासेट में केवल आउट-ऑफ़-डोमेन डेटा होता है। यह बेंचमार्क MRQA 2019 शेयर्ड टास्क के हिस्से के तौर पर जारी किया गया है।

अधिक जानकारी यहां पाई जा सकती है: <a href="https://mrqa.github.io/2019/shared.html">https://mrqa.github.io/2019/shared.html</a>

FeaturesDict({
    'answers': Sequence(string),
    'context': string,
    'context_tokens': Sequence({
        'offsets': int32,
        'tokens': string,
    }),
    'detected_answers': Sequence({
        'char_spans': Sequence({
            'end': int32,
            'start': int32,
        }),
        'text': string,
        'token_spans': Sequence({
            'end': int32,
            'start': int32,
        }),
    }),
    'qid': string,
    'question': string,
    'question_tokens': Sequence({
        'offsets': int32,
        'tokens': string,
    }),
    'subset': string,
})
  • फ़ीचर दस्तावेज़ीकरण :
विशेषता कक्षा आकार डीटाइप विवरण
विशेषताएं डिक्ट
जवाब अनुक्रम (टेंसर) (कोई भी नहीं,) डोरी
संदर्भ टेन्सर डोरी
context_tokens क्रम
context_tokens/offsets टेन्सर int32
context_tokens/tokens टेन्सर डोरी
पता चला_जवाब क्रम
पता चला_जवाब/char_spans क्रम
पता चला_जवाब/char_spans/end टेन्सर int32
पता चला_जवाब/char_spans/शुरू टेन्सर int32
पता चला_जवाब/text टेन्सर डोरी
पता चला_जवाब/token_spans क्रम
पता चला_जवाब/token_spans/end टेन्सर int32
पता चला_जवाब/token_spans/start टेन्सर int32
qid टेन्सर डोरी
प्रश्न टेन्सर डोरी
Question_tokens क्रम
Question_tokens/offsets टेन्सर int32
Question_tokens/tokens टेन्सर डोरी
सबसेट टेन्सर डोरी
  • पर्यवेक्षित कुंजियाँ ( as_supervised doc देखें): None

  • चित्र ( tfds.show_examples ): समर्थित नहीं है।

mrqa/स्क्वाड (डिफ़ॉल्ट कॉन्फ़िगरेशन)

  • कॉन्फिग विवरण : SQuAD (स्टैनफोर्ड क्वेश्चन आंसरिंग डेटासेट) डेटासेट का उपयोग साझा कार्य प्रारूप के आधार के रूप में किया जाता है। क्राउडवर्कर्स को विकीपीडिया से पैराग्राफ दिखाए जाते हैं और उन्हें निष्कर्षात्मक उत्तरों के साथ प्रश्न लिखने के लिए कहा जाता है।

  • डाउनलोड आकार : 29.66 MiB

  • डेटासेट का आकार : 271.43 MiB

  • ऑटो-कैश्ड ( दस्तावेज़ीकरण ): नहीं

  • विभाजन :

विभाजित करना उदाहरण
'train' 86,588
'validation' 10,507
  • उद्धरण :
@inproceedings{rajpurkar-etal-2016-squad,
    title = "{SQ}u{AD}: 100,000+ Questions for Machine Comprehension of Text",
    author = "Rajpurkar, Pranav  and
      Zhang, Jian  and
      Lopyrev, Konstantin  and
      Liang, Percy",
    booktitle = "Proceedings of the 2016 Conference on Empirical Methods in Natural Language Processing",
    month = nov,
    year = "2016",
    address = "Austin, Texas",
    publisher = "Association for Computational Linguistics",
    url = "https://aclanthology.org/D16-1264",
    doi = "10.18653/v1/D16-1264",
    pages = "2383--2392",
}

@inproceedings{fisch-etal-2019-mrqa,
    title = "{MRQA} 2019 Shared Task: Evaluating Generalization in Reading Comprehension",
    author = "Fisch, Adam  and
      Talmor, Alon  and
      Jia, Robin  and
      Seo, Minjoon  and
      Choi, Eunsol  and
      Chen, Danqi",
    booktitle = "Proceedings of the 2nd Workshop on Machine Reading for Question Answering",
    month = nov,
    year = "2019",
    address = "Hong Kong, China",
    publisher = "Association for Computational Linguistics",
    url = "https://aclanthology.org/D19-5801",
    doi = "10.18653/v1/D19-5801",
    pages = "1--13",
}

Note that each MRQA dataset has its own citation. Please see the source to see
the correct citation for each contained dataset."

mrqa/news_qa

  • कॉन्फिग विवरण : क्राउडवर्कर्स के दो सेट सीएनएन समाचार लेखों के आधार पर प्रश्न पूछते हैं और उनका उत्तर देते हैं। "प्रश्नकर्ता" केवल लेख का शीर्षक और सारांश देखते हैं जबकि "उत्तरदाता" पूरा लेख देखते हैं। ऐसे प्रश्न जिनका कोई उत्तर नहीं है या जिन्हें एनोटेटर समझौते के बिना डेटासेट में फ़्लैग किया गया है, उन्हें छोड़ दिया जाता है।

  • डाउनलोड आकार : 56.83 MiB

  • डेटासेट का आकार : 654.25 MiB

  • ऑटो-कैश्ड ( दस्तावेज़ीकरण ): नहीं

  • विभाजन :

विभाजित करना उदाहरण
'train' 74,160
'validation' 4,212
  • उद्धरण :
@inproceedings{trischler-etal-2017-newsqa,
        title = "{N}ews{QA}: A Machine Comprehension Dataset",
        author = "Trischler, Adam  and
          Wang, Tong  and
          Yuan, Xingdi  and
          Harris, Justin  and
          Sordoni, Alessandro  and
          Bachman, Philip  and
          Suleman, Kaheer",
        booktitle = "Proceedings of the 2nd Workshop on Representation Learning for {NLP}",
        month = aug,
        year = "2017",
        address = "Vancouver, Canada",
        publisher = "Association for Computational Linguistics",
        url = "https://aclanthology.org/W17-2623",
        doi = "10.18653/v1/W17-2623",
        pages = "191--200",
    }
#
@inproceedings{fisch-etal-2019-mrqa,
    title = "{MRQA} 2019 Shared Task: Evaluating Generalization in Reading Comprehension",
    author = "Fisch, Adam  and
      Talmor, Alon  and
      Jia, Robin  and
      Seo, Minjoon  and
      Choi, Eunsol  and
      Chen, Danqi",
    booktitle = "Proceedings of the 2nd Workshop on Machine Reading for Question Answering",
    month = nov,
    year = "2019",
    address = "Hong Kong, China",
    publisher = "Association for Computational Linguistics",
    url = "https://aclanthology.org/D19-5801",
    doi = "10.18653/v1/D19-5801",
    pages = "1--13",
}

Note that each MRQA dataset has its own citation. Please see the source to see
the correct citation for each contained dataset."

mrqa/trivia_qa

  • कॉन्फ़िग विवरण : प्रश्न और उत्तर जोड़े ट्रिविया और क्विज़-लीग वेबसाइटों से लिए गए हैं। TriviaQA का वेब संस्करण, जहां Bing खोज क्वेरी के परिणामों से संदर्भों को पुनर्प्राप्त किया जाता है, का उपयोग किया जाता है।

  • डाउनलोड का आकार : 383.14 MiB

  • डेटासेट का आकार : 772.75 MiB

  • ऑटो-कैश्ड ( दस्तावेज़ीकरण ): नहीं

  • विभाजन :

विभाजित करना उदाहरण
'train' 61,688
'validation' 7,785
  • उद्धरण :
@inproceedings{joshi-etal-2017-triviaqa,
    title = "{T}rivia{QA}: A Large Scale Distantly Supervised Challenge Dataset for Reading Comprehension",
    author = "Joshi, Mandar  and
      Choi, Eunsol  and
      Weld, Daniel  and
      Zettlemoyer, Luke",
    booktitle = "Proceedings of the 55th Annual Meeting of the Association for Computational Linguistics (Volume 1: Long Papers)",
    month = jul,
    year = "2017",
    address = "Vancouver, Canada",
    publisher = "Association for Computational Linguistics",
    url = "https://aclanthology.org/P17-1147",
    doi = "10.18653/v1/P17-1147",
    pages = "1601--1611",
}

@inproceedings{fisch-etal-2019-mrqa,
    title = "{MRQA} 2019 Shared Task: Evaluating Generalization in Reading Comprehension",
    author = "Fisch, Adam  and
      Talmor, Alon  and
      Jia, Robin  and
      Seo, Minjoon  and
      Choi, Eunsol  and
      Chen, Danqi",
    booktitle = "Proceedings of the 2nd Workshop on Machine Reading for Question Answering",
    month = nov,
    year = "2019",
    address = "Hong Kong, China",
    publisher = "Association for Computational Linguistics",
    url = "https://aclanthology.org/D19-5801",
    doi = "10.18653/v1/D19-5801",
    pages = "1--13",
}

Note that each MRQA dataset has its own citation. Please see the source to see
the correct citation for each contained dataset."

श्रीका/search_qa

  • कॉन्फिग विवरण : प्रश्न और उत्तर जोड़ियों को जियोपार्डी! टीवी शो। संदर्भ Google खोज क्वेरी से पुनर्प्राप्त किए गए स्निपेट से बने होते हैं।

  • डाउनलोड आकार : 699.86 MiB

  • डेटासेट का आकार : 1.38 GiB

  • ऑटो-कैश्ड ( दस्तावेज़ीकरण ): नहीं

  • विभाजन :

विभाजित करना उदाहरण
'train' 117,384
'validation' 16,980
  • उद्धरण :
@article{dunn2017searchqa,
    title={Searchqa: A new q\&a dataset augmented with context from a search engine},
    author={Dunn, Matthew and Sagun, Levent and Higgins, Mike and Guney, V Ugur and Cirik, Volkan and Cho, Kyunghyun},
    journal={arXiv preprint arXiv:1704.05179},
    year={2017}
}

@inproceedings{fisch-etal-2019-mrqa,
    title = "{MRQA} 2019 Shared Task: Evaluating Generalization in Reading Comprehension",
    author = "Fisch, Adam  and
      Talmor, Alon  and
      Jia, Robin  and
      Seo, Minjoon  and
      Choi, Eunsol  and
      Chen, Danqi",
    booktitle = "Proceedings of the 2nd Workshop on Machine Reading for Question Answering",
    month = nov,
    year = "2019",
    address = "Hong Kong, China",
    publisher = "Association for Computational Linguistics",
    url = "https://aclanthology.org/D19-5801",
    doi = "10.18653/v1/D19-5801",
    pages = "1--13",
}

Note that each MRQA dataset has its own citation. Please see the source to see
the correct citation for each contained dataset."

mrqa/hotpot_qa

  • कॉन्फ़िगरेशन विवरण : क्राउडवर्कर्स को विकिपीडिया से दो इकाई-लिंक्ड पैराग्राफ दिखाए जाते हैं और उन्हें ऐसे प्रश्न लिखने और उत्तर देने के लिए कहा जाता है जिन्हें हल करने के लिए मल्टी-हॉप रीजनिंग की आवश्यकता होती है। मूल सेटिंग में, इन अनुच्छेदों को अतिरिक्त विचलित करने वाले अनुच्छेदों के साथ मिश्रित किया जाता है ताकि अनुमान को कठिन बना दिया जा सके। यहाँ, विचलित करने वाले पैराग्राफ शामिल नहीं हैं।

  • डाउनलोड आकार : 111.98 MiB

  • डेटासेट का आकार : 272.87 MiB

  • ऑटो-कैश्ड ( दस्तावेज़ीकरण ): नहीं

  • विभाजन :

विभाजित करना उदाहरण
'train' 72,928
'validation' 5,901
  • उद्धरण :
@inproceedings{yang-etal-2018-hotpotqa,
    title = "{H}otpot{QA}: A Dataset for Diverse, Explainable Multi-hop Question Answering",
    author = "Yang, Zhilin  and
      Qi, Peng  and
      Zhang, Saizheng  and
      Bengio, Yoshua  and
      Cohen, William  and
      Salakhutdinov, Ruslan  and
      Manning, Christopher D.",
    booktitle = "Proceedings of the 2018 Conference on Empirical Methods in Natural Language Processing",
    month = oct # "-" # nov,
    year = "2018",
    address = "Brussels, Belgium",
    publisher = "Association for Computational Linguistics",
    url = "https://aclanthology.org/D18-1259",
    doi = "10.18653/v1/D18-1259",
    pages = "2369--2380",
}

@inproceedings{fisch-etal-2019-mrqa,
    title = "{MRQA} 2019 Shared Task: Evaluating Generalization in Reading Comprehension",
    author = "Fisch, Adam  and
      Talmor, Alon  and
      Jia, Robin  and
      Seo, Minjoon  and
      Choi, Eunsol  and
      Chen, Danqi",
    booktitle = "Proceedings of the 2nd Workshop on Machine Reading for Question Answering",
    month = nov,
    year = "2019",
    address = "Hong Kong, China",
    publisher = "Association for Computational Linguistics",
    url = "https://aclanthology.org/D19-5801",
    doi = "10.18653/v1/D19-5801",
    pages = "1--13",
}

Note that each MRQA dataset has its own citation. Please see the source to see
the correct citation for each contained dataset."

मरका/प्राकृतिक_प्रश्न

  • कॉन्फिग विवरण : प्राकृतिक परिस्थितियों में वास्तविक उपयोगकर्ताओं द्वारा सूचना-खोज प्रश्नों से Google खोज इंजन में प्रश्न एकत्र किए जाते हैं। क्राउडवर्कर्स द्वारा पुनर्प्राप्त विकिपीडिया पृष्ठ में प्रश्नों के उत्तर एनोटेट किए गए हैं। दो प्रकार के एनोटेशन एकत्र किए जाते हैं: 1) एचटीएमएल बाउंडिंग बॉक्स में पर्याप्त जानकारी होती है जिसमें प्रश्न (लंबे उत्तर) के उत्तर का पूरी तरह से अनुमान लगाया जाता है, और 2) बाउंडिंग बॉक्स के भीतर सबस्पैन या सब-स्पैन जिसमें वास्तविक उत्तर होता है (लघु उत्तर) ). केवल छोटे उत्तर वाले उदाहरणों का उपयोग किया जाता है, और लंबे उत्तर का उपयोग संदर्भ के रूप में किया जाता है।

  • डाउनलोड आकार : 121.15 MiB

  • डेटासेट का आकार : 339.03 MiB

  • ऑटो-कैश्ड ( दस्तावेज़ीकरण ): नहीं

  • विभाजन :

विभाजित करना उदाहरण
'train' 104,071
'validation' 12,836
  • उद्धरण :
@article{kwiatkowski-etal-2019-natural,
    title = "Natural Questions: A Benchmark for Question Answering Research",
    author = "Kwiatkowski, Tom  and
      Palomaki, Jennimaria  and
      Redfield, Olivia  and
      Collins, Michael  and
      Parikh, Ankur  and
      Alberti, Chris  and
      Epstein, Danielle  and
      Polosukhin, Illia  and
      Devlin, Jacob  and
      Lee, Kenton  and
      Toutanova, Kristina  and
      Jones, Llion  and
      Kelcey, Matthew  and
      Chang, Ming-Wei  and
      Dai, Andrew M.  and
      Uszkoreit, Jakob  and
      Le, Quoc  and
      Petrov, Slav",
    journal = "Transactions of the Association for Computational Linguistics",
    volume = "7",
    year = "2019",
    address = "Cambridge, MA",
    publisher = "MIT Press",
    url = "https://aclanthology.org/Q19-1026",
    doi = "10.1162/tacl_a_00276",
    pages = "452--466",
}

@inproceedings{fisch-etal-2019-mrqa,
    title = "{MRQA} 2019 Shared Task: Evaluating Generalization in Reading Comprehension",
    author = "Fisch, Adam  and
      Talmor, Alon  and
      Jia, Robin  and
      Seo, Minjoon  and
      Choi, Eunsol  and
      Chen, Danqi",
    booktitle = "Proceedings of the 2nd Workshop on Machine Reading for Question Answering",
    month = nov,
    year = "2019",
    address = "Hong Kong, China",
    publisher = "Association for Computational Linguistics",
    url = "https://aclanthology.org/D19-5801",
    doi = "10.18653/v1/D19-5801",
    pages = "1--13",
}

Note that each MRQA dataset has its own citation. Please see the source to see
the correct citation for each contained dataset."

मरका/बायो_एएसक्यू

  • कॉन्फिग विवरण : BioASQ, बड़े पैमाने पर बायोमेडिकल सिमेंटिक इंडेक्सिंग और क्वेश्चन आंसरिंग पर एक चुनौती है, जिसमें डोमेन विशेषज्ञों द्वारा बनाए गए प्रश्न और उत्तर जोड़े शामिल हैं। फिर वे कई संबंधित विज्ञान (पबएमड) लेखों से मैन्युअल रूप से जुड़े हुए हैं। लिंक किए गए प्रत्येक लेख का पूरा सार अलग-अलग संदर्भों के रूप में डाउनलोड और उपयोग किया जाता है (उदाहरण के लिए, एकाधिक क्यूए-संदर्भ जोड़े बनाने के लिए एक प्रश्न को एकाधिक, स्वतंत्र लेखों से जोड़ा जा सकता है)। जिन सार तत्वों में सटीक उत्तर नहीं होता है, उन्हें छोड़ दिया जाता है।

  • डाउनलोड आकार : 2.54 MiB

  • डेटासेट का आकार : 6.70 MiB

  • ऑटो-कैश्ड ( दस्तावेज़ीकरण ): हाँ

  • विभाजन :

विभाजित करना उदाहरण
'test' 1,504
  • उद्धरण :
@article{tsatsaronis2015overview,
    title={An overview of the BIOASQ large-scale biomedical semantic indexing and question answering competition},
    author={Tsatsaronis, George and Balikas, Georgios and Malakasiotis, Prodromos and Partalas, Ioannis and Zschunke, Matthias and Alvers, Michael R and Weissenborn, Dirk and Krithara, Anastasia and Petridis, Sergios and Polychronopoulos, Dimitris and others},
    journal={BMC bioinformatics},
    volume={16},
    number={1},
    pages={1--28},
    year={2015},
    publisher={Springer}
}

@inproceedings{fisch-etal-2019-mrqa,
    title = "{MRQA} 2019 Shared Task: Evaluating Generalization in Reading Comprehension",
    author = "Fisch, Adam  and
      Talmor, Alon  and
      Jia, Robin  and
      Seo, Minjoon  and
      Choi, Eunsol  and
      Chen, Danqi",
    booktitle = "Proceedings of the 2nd Workshop on Machine Reading for Question Answering",
    month = nov,
    year = "2019",
    address = "Hong Kong, China",
    publisher = "Association for Computational Linguistics",
    url = "https://aclanthology.org/D19-5801",
    doi = "10.18653/v1/D19-5801",
    pages = "1--13",
}

Note that each MRQA dataset has its own citation. Please see the source to see
the correct citation for each contained dataset."

मरका / ड्रॉप

  • कॉन्फ़िगरेशन विवरण : DROP (पैराग्राफ की सामग्री पर असतत तर्क) उदाहरण SQuAD के समान एकत्र किए गए थे, जहां क्राउडवर्कर्स को विकिपीडिया पैराग्राफ से प्रश्न-उत्तर जोड़े बनाने के लिए कहा जाता है। प्रश्न मात्रात्मक तर्क पर ध्यान केंद्रित करते हैं, और मूल डेटासेट में गैर-निष्कर्षण संख्यात्मक उत्तरों के साथ-साथ निष्कर्षात्मक पाठ उत्तर भी होते हैं। निकालने वाले प्रश्नों के सेट का उपयोग किया जाता है।

  • डाउनलोड आकार : 578.25 KiB

  • डेटासेट का आकार : 5.41 MiB

  • ऑटो-कैश्ड ( दस्तावेज़ीकरण ): हाँ

  • विभाजन :

विभाजित करना उदाहरण
'test' 1,503
  • उद्धरण :
@inproceedings{dua-etal-2019-drop,
    title = "{DROP}: A Reading Comprehension Benchmark Requiring Discrete Reasoning Over Paragraphs",
    author = "Dua, Dheeru  and
      Wang, Yizhong  and
      Dasigi, Pradeep  and
      Stanovsky, Gabriel  and
      Singh, Sameer  and
      Gardner, Matt",
    booktitle = "Proceedings of the 2019 Conference of the North {A}merican Chapter of the Association for Computational Linguistics: Human Language Technologies, Volume 1 (Long and Short Papers)",
    month = jun,
    year = "2019",
    address = "Minneapolis, Minnesota",
    publisher = "Association for Computational Linguistics",
    url = "https://aclanthology.org/N19-1246",
    doi = "10.18653/v1/N19-1246",
    pages = "2368--2378",
}

@inproceedings{fisch-etal-2019-mrqa,
    title = "{MRQA} 2019 Shared Task: Evaluating Generalization in Reading Comprehension",
    author = "Fisch, Adam  and
      Talmor, Alon  and
      Jia, Robin  and
      Seo, Minjoon  and
      Choi, Eunsol  and
      Chen, Danqi",
    booktitle = "Proceedings of the 2nd Workshop on Machine Reading for Question Answering",
    month = nov,
    year = "2019",
    address = "Hong Kong, China",
    publisher = "Association for Computational Linguistics",
    url = "https://aclanthology.org/D19-5801",
    doi = "10.18653/v1/D19-5801",
    pages = "1--13",
}

Note that each MRQA dataset has its own citation. Please see the source to see
the correct citation for each contained dataset."

mrqa/duo_rc

  • कॉन्फ़िग विवरण : DuoRC डेटासेट के ParaphraseRC स्प्लिट का उपयोग किया जाता है। इस सेटिंग में, एक ही फिल्म के दो अलग-अलग प्लॉट सारांश एकत्र किए जाते हैं- एक विकिपीडिया से और दूसरा IMDb से। क्राउडवर्कर्स के दो अलग-अलग सेट मूवी प्लॉट के बारे में सवाल पूछते हैं और जवाब देते हैं, जहां "प्रश्नकर्ता" को केवल विकिपीडिया पेज दिखाया जाता है, और "जवाब देने वाले" को केवल आईएमडीबी पेज दिखाया जाता है। अनुत्तरित के रूप में चिह्नित किए गए प्रश्नों को छोड़ दिया जाता है।

  • डाउनलोड का आकार : 1.14 MiB

  • डेटासेट का आकार : 15.04 MiB

  • ऑटो-कैश्ड ( दस्तावेज़ीकरण ): हाँ

  • विभाजन :

विभाजित करना उदाहरण
'test' 1,501
  • उद्धरण :
@inproceedings{saha-etal-2018-duorc,
    title = "{D}uo{RC}: Towards Complex Language Understanding with Paraphrased Reading Comprehension",
    author = "Saha, Amrita  and
      Aralikatte, Rahul  and
      Khapra, Mitesh M.  and
      Sankaranarayanan, Karthik",
    booktitle = "Proceedings of the 56th Annual Meeting of the Association for Computational Linguistics (Volume 1: Long Papers)",
    month = jul,
    year = "2018",
    address = "Melbourne, Australia",
    publisher = "Association for Computational Linguistics",
    url = "https://aclanthology.org/P18-1156",
    doi = "10.18653/v1/P18-1156",
    pages = "1683--1693",
}

@inproceedings{fisch-etal-2019-mrqa,
    title = "{MRQA} 2019 Shared Task: Evaluating Generalization in Reading Comprehension",
    author = "Fisch, Adam  and
      Talmor, Alon  and
      Jia, Robin  and
      Seo, Minjoon  and
      Choi, Eunsol  and
      Chen, Danqi",
    booktitle = "Proceedings of the 2nd Workshop on Machine Reading for Question Answering",
    month = nov,
    year = "2019",
    address = "Hong Kong, China",
    publisher = "Association for Computational Linguistics",
    url = "https://aclanthology.org/D19-5801",
    doi = "10.18653/v1/D19-5801",
    pages = "1--13",
}

Note that each MRQA dataset has its own citation. Please see the source to see
the correct citation for each contained dataset."

मरका/जाति

  • कॉन्फिग विवरण : रीएडिंग कॉम्प्रिहेंशन डेटासेट फ्रॉम एग्जामिनेशन (RACE) मिडिल और हाई स्कूल चीनी छात्रों के लिए अंग्रेजी रीडिंग कॉम्प्रिहेंशन परीक्षा से एकत्र किया जाता है। हाई स्कूल विभाजन (जो अधिक चुनौतीपूर्ण है) का उपयोग किया जाता है और निहित "रिक्त स्थान भरें" शैली के प्रश्नों (जो इस कार्य के लिए अप्राकृतिक हैं) को फ़िल्टर किया जाता है।

  • डाउनलोड आकार : 1.49 MiB

  • डेटासेट का आकार : 3.53 MiB

  • ऑटो-कैश्ड ( दस्तावेज़ीकरण ): हाँ

  • विभाजन :

विभाजित करना उदाहरण
'test' 674
  • उद्धरण :
@inproceedings{lai-etal-2017-race,
    title = "{RACE}: Large-scale {R}e{A}ding Comprehension Dataset From Examinations",
    author = "Lai, Guokun  and
      Xie, Qizhe  and
      Liu, Hanxiao  and
      Yang, Yiming  and
      Hovy, Eduard",
    booktitle = "Proceedings of the 2017 Conference on Empirical Methods in Natural Language Processing",
    month = sep,
    year = "2017",
    address = "Copenhagen, Denmark",
    publisher = "Association for Computational Linguistics",
    url = "https://aclanthology.org/D17-1082",
    doi = "10.18653/v1/D17-1082",
    pages = "785--794",
}

@inproceedings{fisch-etal-2019-mrqa,
    title = "{MRQA} 2019 Shared Task: Evaluating Generalization in Reading Comprehension",
    author = "Fisch, Adam  and
      Talmor, Alon  and
      Jia, Robin  and
      Seo, Minjoon  and
      Choi, Eunsol  and
      Chen, Danqi",
    booktitle = "Proceedings of the 2nd Workshop on Machine Reading for Question Answering",
    month = nov,
    year = "2019",
    address = "Hong Kong, China",
    publisher = "Association for Computational Linguistics",
    url = "https://aclanthology.org/D19-5801",
    doi = "10.18653/v1/D19-5801",
    pages = "1--13",
}

Note that each MRQA dataset has its own citation. Please see the source to see
the correct citation for each contained dataset."

MRQA/relation_extraction

  • कॉन्फिग विवरण : एक स्लॉट-फिलिंग डेटासेट दिया गया है, संस्थाओं के बीच संबंधों को टेम्प्लेट का उपयोग करके व्यवस्थित रूप से प्रश्नोत्तर जोड़े में बदल दिया जाता है। उदाहरण के लिए, एक वाक्य में दिखाई देने वाली दो संस्थाओं x और y के बीच शिक्षित_एट (x, y) संबंध को "एक्स को कहाँ शिक्षित किया गया था?" के रूप में व्यक्त किया जा सकता है। उत्तर वाई के साथ। प्रत्येक प्रकार के संबंध के लिए एकाधिक टेम्पलेट एकत्र किए जाते हैं। डेटासेट के ज़ीरोशॉट बेंचमार्क स्प्लिट (अनदेखे संबंधों के लिए सामान्यीकरण) का उपयोग किया जाता है, और केवल सकारात्मक उदाहरण रखे जाते हैं।

  • डाउनलोड आकार : 830.88 KiB

  • डेटासेट का आकार : 3.71 MiB

  • ऑटो-कैश्ड ( दस्तावेज़ीकरण ): हाँ

  • विभाजन :

विभाजित करना उदाहरण
'test' 2,948
  • उद्धरण :
@inproceedings{levy-etal-2017-zero,
    title = "Zero-Shot Relation Extraction via Reading Comprehension",
    author = "Levy, Omer  and
      Seo, Minjoon  and
      Choi, Eunsol  and
      Zettlemoyer, Luke",
    booktitle = "Proceedings of the 21st Conference on Computational Natural Language Learning ({C}o{NLL} 2017)",
    month = aug,
    year = "2017",
    address = "Vancouver, Canada",
    publisher = "Association for Computational Linguistics",
    url = "https://aclanthology.org/K17-1034",
    doi = "10.18653/v1/K17-1034",
    pages = "333--342",
}

@inproceedings{fisch-etal-2019-mrqa,
    title = "{MRQA} 2019 Shared Task: Evaluating Generalization in Reading Comprehension",
    author = "Fisch, Adam  and
      Talmor, Alon  and
      Jia, Robin  and
      Seo, Minjoon  and
      Choi, Eunsol  and
      Chen, Danqi",
    booktitle = "Proceedings of the 2nd Workshop on Machine Reading for Question Answering",
    month = nov,
    year = "2019",
    address = "Hong Kong, China",
    publisher = "Association for Computational Linguistics",
    url = "https://aclanthology.org/D19-5801",
    doi = "10.18653/v1/D19-5801",
    pages = "1--13",
}

Note that each MRQA dataset has its own citation. Please see the source to see
the correct citation for each contained dataset."

mrqa/textbook_qa

  • कॉन्फिग विवरण : पाठ्यपुस्तक क्यूए मिडिल स्कूल जीवन विज्ञान, पृथ्वी विज्ञान और भौतिक विज्ञान की पाठ्यपुस्तकों के पाठों से एकत्र किया गया है। आरेख के साथ आने वाले प्रश्न, या जो "सही या गलत" प्रश्न शामिल नहीं हैं।

  • डाउनलोड आकार : 1.79 MiB

  • डेटासेट का आकार : 14.04 MiB

  • ऑटो-कैश्ड ( दस्तावेज़ीकरण ): हाँ

  • विभाजन :

विभाजित करना उदाहरण
'test' 1,503
  • उद्धरण :
@inproceedings{kembhavi2017you,
    title={Are you smarter than a sixth grader? textbook question answering for multimodal machine comprehension},
    author={Kembhavi, Aniruddha and Seo, Minjoon and Schwenk, Dustin and Choi, Jonghyun and Farhadi, Ali and Hajishirzi, Hannaneh},
    booktitle={Proceedings of the IEEE Conference on Computer Vision and Pattern recognition},
    pages={4999--5007},
    year={2017}
}

@inproceedings{fisch-etal-2019-mrqa,
    title = "{MRQA} 2019 Shared Task: Evaluating Generalization in Reading Comprehension",
    author = "Fisch, Adam  and
      Talmor, Alon  and
      Jia, Robin  and
      Seo, Minjoon  and
      Choi, Eunsol  and
      Chen, Danqi",
    booktitle = "Proceedings of the 2nd Workshop on Machine Reading for Question Answering",
    month = nov,
    year = "2019",
    address = "Hong Kong, China",
    publisher = "Association for Computational Linguistics",
    url = "https://aclanthology.org/D19-5801",
    doi = "10.18653/v1/D19-5801",
    pages = "1--13",
}

Note that each MRQA dataset has its own citation. Please see the source to see
the correct citation for each contained dataset."