꽥꽥

  • 설명 :

Question Answering in Context는 정보 탐색 대화를 모델링, 이해 및 참여하기 위한 데이터 세트입니다. 데이터 인스턴스는 두 크라우드 작업자 간의 대화형 대화로 구성됩니다. (1) 숨겨진 Wikipedia 텍스트에 대해 가능한 한 많은 것을 배우기 위해 일련의 자유 형식 질문을 하는 학생 및 (2) 짧은 발췌문을 제공하여 질문에 답하는 교사 (스팬) 텍스트에서. QuAC는 기존 기계 이해 데이터 세트에서 찾을 수 없는 문제를 도입합니다. 그 질문은 종종 더 개방적이고 대답할 수 없거나 대화 컨텍스트 내에서만 의미가 있습니다.

나뉘다
'train' 83,568
'validation' 7,354
  • 기능 구조 :
FeaturesDict({
    'answers': Sequence({
        'answer_start': int32,
        'text': Text(shape=(), dtype=string),
    }),
    'background': Text(shape=(), dtype=string),
    'context': Text(shape=(), dtype=string),
    'followup': Text(shape=(), dtype=string),
    'orig_answer': FeaturesDict({
        'answer_start': int32,
        'text': Text(shape=(), dtype=string),
    }),
    'question': Text(shape=(), dtype=string),
    'section_title': Text(shape=(), dtype=string),
    'title': Text(shape=(), dtype=string),
    'yesno': Text(shape=(), dtype=string),
})
  • 기능 문서 :
특징 수업 모양 D타입 설명
풍모Dict
답변 순서
답변/answer_start 텐서 int32
답변/텍스트 텍스트
배경 텍스트
문맥 텍스트
후속 조치 텍스트
orig_answer 풍모Dict
orig_answer/answer_start 텐서 int32
orig_answer/텍스트 텍스트
문제 텍스트
section_title 텍스트
제목 텍스트
예 아니오 텍스트
  • 인용 :
@article{choi2018quac,
  title={Quac: Question answering in context},
  author={Choi, Eunsol and He, He and Iyyer, Mohit and Yatskar, Mark and Yih, Wen-tau and Choi, Yejin and Liang, Percy and Zettlemoyer, Luke},
  journal={arXiv preprint arXiv:1808.07036},
  year={2018}
}