ช่วยปกป้อง Great Barrier Reef กับ TensorFlow บน Kaggle เข้าร่วมท้าทาย

quac

  • รายละเอียด:

การตอบคำถามในบริบทคือชุดข้อมูลสำหรับการสร้างแบบจำลอง ความเข้าใจ และการเข้าร่วมในกล่องโต้ตอบการค้นหาข้อมูล ตัวอย่างข้อมูลประกอบด้วยกล่องโต้ตอบแบบโต้ตอบระหว่างกลุ่มคนทำงานสองคน: (1) นักเรียนที่ตั้งคำถามต่อเนื่องตามลำดับเพื่อเรียนรู้เกี่ยวกับข้อความ Wikipedia ที่ซ่อนอยู่ให้มากที่สุด และ (2) ครูที่ตอบคำถามโดยให้ข้อความที่ตัดตอนมาสั้น ๆ (ช่วง) จากข้อความ QuAC นำเสนอความท้าทายที่ไม่พบในชุดข้อมูลความเข้าใจของเครื่องที่มีอยู่: คำถามมักจะเป็นแบบปลายเปิด ไม่สามารถตอบได้ หรือมีความหมายเฉพาะภายในบริบทการโต้ตอบเท่านั้น

  • โฮมเพจ: https://quac.ai/

  • รหัสที่มา: tfds.text.quac.Quac

  • รุ่น:

    • 1.0.0 (เริ่มต้น): เริ่มต้นปล่อย
  • ขนาดการดาวน์โหลด: 73.47 MiB

  • ขนาดชุด: 298.04 MiB

  • ออโต้แคช ( เอกสาร ): ไม่มี

  • แยก:

แยก ตัวอย่าง
'train' 83,568
'validation' 7,354
  • คุณสมบัติ:
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),
})
  • อ้างอิง:
@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}
}