caca

  • Description:

Question Answering in Context est un ensemble de données pour la modélisation, la compréhension et la participation au dialogue de recherche d'informations. Les instances de données consistent en un dialogue interactif entre deux travailleurs de foule : (1) un étudiant qui pose une séquence de questions de forme libre pour en savoir autant que possible sur un texte Wikipédia caché, et (2) un enseignant qui répond aux questions en fournissant de courts extraits (étendues) à partir du texte. QuAC introduit des défis que l'on ne trouve pas dans les ensembles de données de compréhension machine existants : ses questions sont souvent plus ouvertes, sans réponse ou uniquement significatives dans le contexte du dialogue.

  • Page d' accueil: https://quac.ai/

  • Code source: tfds.text.quac.Quac

  • versions:

    • 1.0.0 (par défaut): Version initiale.
  • Taille du téléchargement: 73.47 MiB

  • Dataset Taille: 298.04 MiB

  • Mis en cache automatique ( documentation ): Non

  • scissions:

Diviser Exemples
'train' 83 568
'validation' 7 354
  • Caractéristiques:
FeaturesDict({
    'answers': Sequence({
        'answer_start': tf.int32,
        'text': Text(shape=(), dtype=tf.string),
    }),
    'background': Text(shape=(), dtype=tf.string),
    'context': Text(shape=(), dtype=tf.string),
    'followup': Text(shape=(), dtype=tf.string),
    'orig_answer': FeaturesDict({
        'answer_start': tf.int32,
        'text': Text(shape=(), dtype=tf.string),
    }),
    'question': Text(shape=(), dtype=tf.string),
    'section_title': Text(shape=(), dtype=tf.string),
    'title': Text(shape=(), dtype=tf.string),
    'yesno': Text(shape=(), dtype=tf.string),
})
  • citation:
@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}
}