esquadrão

• Descrição :

Stanford Question Answering Dataset (SQuAD) é um conjunto de dados de compreensão de leitura, que consiste em perguntas feitas por crowdworkers em um conjunto de artigos da Wikipedia, onde a resposta para cada pergunta é um segmento de texto, ou extensão, da passagem de leitura correspondente, ou a pergunta pode ser irrespondível.

• Documentação Adicional : Explore em Papers With Code north_east

• Página inicial : https://rajpurkar.github.io/SQuAD-explorer/

• Código -fonte: tfds.datasets.squad.Builder

• Versões :

  • 3.0.0 (padrão): Corrige o problema com um pequeno número de exemplos (19) em que os intervalos de resposta estão desalinhados devido à remoção de espaço em branco do contexto.

• Chaves supervisionadas (Consulte as_supervised doc ): None

• Figura ( tfds.show_examples ): Não compatível.

• Citação :

@article{2016arXiv160605250R,
       author = { {Rajpurkar}, Pranav and {Zhang}, Jian and {Lopyrev},
                 Konstantin and {Liang}, Percy},
        title = "{SQuAD: 100,000+ Questions for Machine Comprehension of Text}",
      journal = {arXiv e-prints},
         year = 2016,
          eid = {arXiv:1606.05250},
        pages = {arXiv:1606.05250},
archivePrefix = {arXiv},
       eprint = {1606.05250},
}

squad/v1.1 (configuração padrão)

• Descrição da configuração : Versão 1.1.0 do SQUAD

• Tamanho do download : 33.51 MiB

• Tamanho do conjunto de dados : 94.06 MiB

• Cache automático ( documentação ): Sim

• Divisões :

• Estrutura de recursos :

FeaturesDict({
    'answers': Sequence({
        'answer_start': int32,
        'text': Text(shape=(), dtype=string),
    }),
    'context': Text(shape=(), dtype=string),
    'id': string,
    'question': Text(shape=(), dtype=string),
    'title': Text(shape=(), dtype=string),
})

• Documentação do recurso:

• Exemplos ( tfds.as_dataframe ):

esquadrão/v2.0

• Descrição da configuração : Versão 2.0.0 do SQUAD

• Tamanho do download : 44.34 MiB

• Tamanho do conjunto de dados : 148.54 MiB

• Armazenado automaticamente em cache ( documentação ): Sim (validação), somente quando shuffle_files=False (train)

• Divisões :

• Estrutura de recursos :

FeaturesDict({
    'answers': Sequence({
        'answer_start': int32,
        'text': Text(shape=(), dtype=string),
    }),
    'context': Text(shape=(), dtype=string),
    'id': string,
    'is_impossible': bool,
    'plausible_answers': Sequence({
        'answer_start': int32,
        'text': Text(shape=(), dtype=string),
    }),
    'question': Text(shape=(), dtype=string),
    'title': Text(shape=(), dtype=string),
})

• Documentação do recurso:

• Exemplos ( tfds.as_dataframe ):