سوالات_طبیعی

• توضیحات :

مجموعه NQ حاوی سوالاتی از کاربران واقعی است، و سیستم‌های QA را برای خواندن و درک کل مقاله ویکی‌پدیا که ممکن است حاوی پاسخ سوال باشد یا نباشد، می‌طلبد. گنجاندن سوالات واقعی کاربر، و الزام به اینکه راه حل ها باید یک صفحه کامل را برای یافتن پاسخ بخوانند، باعث می شود NQ یک کار واقعی تر و چالش برانگیزتر از مجموعه داده های QA قبلی باشد.

• اسناد اضافی : کاوش در کاغذها با کد north_east

• صفحه اصلی : https://ai.google.com/research/NaturalQuestions/dataset

• کد منبع : tfds.datasets.natural_questions.Builder

• نسخه ها :

  • 0.0.2 : بدون یادداشت انتشار.
  • 0.1.0 (پیش فرض): بدون یادداشت انتشار.

• حجم دانلود : 41.97 GiB

• ذخیره خودکار ( اسناد ): خیر

• تقسیم ها :

• کلیدهای نظارت شده (به as_supervised doc مراجعه کنید): None

• شکل ( tfds.show_examples ): پشتیبانی نمی شود.

• نقل قول :

@article{47761,
title = {Natural Questions: a Benchmark for Question Answering Research},
author = {Tom Kwiatkowski and Jennimaria Palomaki and Olivia Redfield and Michael Collins and Ankur Parikh and Chris Alberti and Danielle Epstein and Illia Polosukhin and Matthew Kelcey and Jacob Devlin and Kenton Lee and Kristina N. Toutanova and Llion Jones and Ming-Wei Chang and Andrew Dai and Jakob Uszkoreit and Quoc Le and Slav Petrov},
year = {2019},
journal = {Transactions of the Association of Computational Linguistics}
}

natural_questions/default (پیکربندی پیش‌فرض)

• توضیحات پیکربندی : پیکربندی پیش فرض natural_questions

• حجم مجموعه داده : 90.26 GiB

• ساختار ویژگی :

FeaturesDict({
    'annotations': Sequence({
        'id': string,
        'long_answer': FeaturesDict({
            'end_byte': int64,
            'end_token': int64,
            'start_byte': int64,
            'start_token': int64,
        }),
        'short_answers': Sequence({
            'end_byte': int64,
            'end_token': int64,
            'start_byte': int64,
            'start_token': int64,
            'text': Text(shape=(), dtype=string),
        }),
        'yes_no_answer': ClassLabel(shape=(), dtype=int64, num_classes=2),
    }),
    'document': FeaturesDict({
        'html': Text(shape=(), dtype=string),
        'title': Text(shape=(), dtype=string),
        'tokens': Sequence({
            'is_html': bool,
            'token': Text(shape=(), dtype=string),
        }),
        'url': Text(shape=(), dtype=string),
    }),
    'id': string,
    'question': FeaturesDict({
        'text': Text(shape=(), dtype=string),
        'tokens': Sequence(string),
    }),
})

• مستندات ویژگی :

• مثال‌ها ( tfds.as_dataframe ):

natural_questions/longt5

• توضیحات پیکربندی : natural_questions از پیش پردازش شده مانند معیار longT5

• حجم مجموعه داده : 8.91 GiB

• ساختار ویژگی :

FeaturesDict({
    'all_answers': Sequence(Text(shape=(), dtype=string)),
    'answer': Text(shape=(), dtype=string),
    'context': Text(shape=(), dtype=string),
    'id': Text(shape=(), dtype=string),
    'question': Text(shape=(), dtype=string),
    'title': Text(shape=(), dtype=string),
})

• مستندات ویژگی :

• مثال‌ها ( tfds.as_dataframe ):