pasukan

• Deskripsi :

Stanford Question Answer Dataset (SQuAD) adalah kumpulan data pemahaman bacaan, yang terdiri dari pertanyaan-pertanyaan yang diajukan oleh crowdworkers pada sekumpulan artikel Wikipedia, di mana jawaban untuk setiap pertanyaan adalah segmen teks, atau rentang, dari bagian bacaan yang sesuai, atau pertanyaan mungkin tidak bisa dijawab.

• Situs web : https://rajpurkar.github.io/SQuAD-explorer/

• Kode sumber : tfds.question_answering.squad.Squad

• Versi :

  • 2.0.0 (default): Tidak ada catatan rilis.

• Kunci yang diawasi (Lihat as_supervised doc ): None

• Kutipan :

@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},
}

.dll

• Gambar ( tfds.show_examples ): Tidak didukung.

skuad / v1.1 (konfigurasi default)

• Deskripsi konfigurasi : Versi 1.1.0 dari SQUAD

• Ukuran unduhan : 33.51 MiB

• Ukuran 94.04 MiB data : 94.04 MiB

• Cache otomatis ( dokumentasi ): Ya

• Split :

Membagi	Contoh
'train'	87.599
'validation'	10.570

• Fitur :

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

• Contoh ( tfds.as_dataframe ):

skuad / v2.0

• Deskripsi konfigurasi : Versi 2.0.0 dari SQUAD

• Ukuran unduhan : 44.34 MiB

• Ukuran 148.51 MiB data : 148.51 MiB

• Cache otomatis ( dokumentasi ): Ya (validasi), Hanya jika shuffle_files=False (latih)

• Split :

Membagi	Contoh
'train'	130.319
'validation'	11.873

• Fitur :

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

• Contoh ( tfds.as_dataframe ):