تیم

• توضیحات :

مجموعه داده پاسخ به پرسش استنفورد (SQuAD) یک مجموعه داده درک مطلب است که شامل سؤالاتی است که توسط جمعی از مقالات ویکی‌پدیا مطرح می‌شود، که در آن پاسخ به هر سؤال بخشی از متن یا گستره‌ای از متن خوانده شده یا سؤال است. ممکن است بی پاسخ باشد

• اسناد اضافی : کاوش در کاغذها با کد north_east

• صفحه اصلی : https://rajpurkar.github.io/SQuAD-explorer/

• کد منبع : tfds.datasets.squad.Builder

• نسخه ها :

  • 3.0.0 (پیش‌فرض): مشکل تعداد مثال‌های کم (19) را که در آن به دلیل حذف فضای سفید متن، گستره پاسخ‌ها نامناسب است، برطرف می‌کند.

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

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

• نقل قول :

@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 (پیکربندی پیش فرض)

• توضیحات پیکربندی : نسخه 1.1.0 SQUAD

• حجم دانلود : 33.51 MiB

• حجم مجموعه داده : 94.06 MiB

• ذخیره خودکار ( اسناد ): بله

• تقسیم ها :

• ساختار ویژگی :

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),
})

• مستندات ویژگی :

• مثال‌ها ( tfds.as_dataframe ):

squad/v2.0

• توضیحات پیکربندی : نسخه 2.0.0 SQUAD

• حجم دانلود : 44.34 MiB

• حجم مجموعه داده : 148.54 MiB

• ذخیره خودکار ( مستندات ): بله (تایید اعتبار)، فقط زمانی که shuffle_files=False (قطار)

• تقسیم ها :

• ساختار ویژگی :

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),
})

• مستندات ویژگی :

• مثال‌ها ( tfds.as_dataframe ):