- Описание:
Генерация вопросов с использованием групповых наборов данных и разделения данных, описанных в статье «Нейронная генерация вопросов из текста: предварительное исследование» (Zhou et al, 2017).
Домашняя страница: https://github.com/magic282/NQG
Исходный код:
tfds.text.squad_question_generation.SquadQuestionGeneration
Версии:
1.0.0
: Первоначальная сборка с уникальными идентификаторами дружины ЧАС в каждом расколе, используя контекст прохождения уровня.2.0.0
( по умолчанию): Соответствует первоначальный раскол (Zhou и др, 2017), допускает как sentence- и прохождение уровня контекстов и использует ответы от (Zhou и др, 2017 г.).
Скачать Размер:
62.52 MiB
Dataset Размер:
111.02 MiB
Авто-кэшируются ( документация ): Да
расколы:
Расколоть | Примеры |
---|---|
'test' | 8 964 |
'train' | 86 635 |
'validation' | 8 965 |
- Особенности:
FeaturesDict({
'answer': Text(shape=(), dtype=tf.string),
'context_passage': Text(shape=(), dtype=tf.string),
'context_sentence': Text(shape=(), dtype=tf.string),
'question': Text(shape=(), dtype=tf.string),
})
Контролируемые ключи (см
as_supervised
документ ):('context_passage', 'question')
Рис ( tfds.show_examples ): Не поддерживается.
Примеры ( tfds.as_dataframe ):
- Образец цитирования:
@article{zhou2017neural,
title={Neural Question Generation from Text: A Preliminary Study},
author={Zhou, Qingyu and Yang, Nan and Wei, Furu and Tan, Chuanqi and Bao, Hangbo and Zhou, Ming},
journal={arXiv preprint arXiv:1704.01792},
year={2017}
}
@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},
}