отряд_вопрос_генерация

• Описание :

Генерация вопросов с использованием набора данных отряда с использованием разделения данных, описанного в «Генерация нейронных вопросов из текста: предварительное исследование» (Zhou et al, 2017) и «Учимся спрашивать: генерация нейронных вопросов для понимания прочитанного» (Du et al, 2017).

• Домашняя страница : https://github.com/xinyadu/nqg @inproceedings{du-etal-2017-learning, title = «Учимся задавать вопросы: генерация нейронных вопросов для понимания прочитанного», author = «Ду, Синья и Шао, Джунру и Карди, Клэр", booktitle = "Материалы 55-го ежегодного собрания Ассоциации компьютерной лингвистики (Том 1: Длинные статьи)", месяц = ​​июль, год = "2017", адрес = "Ванкувер, Канада", издатель = " Ассоциация компьютерной лингвистики", url = "https://aclanthology.org/P17-1123", doi = "10.18653/v1/P17-1123", pages = "1342--1352", } ", месяц = ​​июль, год = "2017", адрес = "Ванкувер, Канада", издатель = "Ассоциация вычислительной лингвистики", url = "https://aclanthology.org/P17-1123", doi = "10.18653/v1/P17-1123" , страницы = "1342--1352", } )

• Исходный код : tfds.text.squad_question_generation.SquadQuestionGeneration

• Версии :

  • 1.0.0 : Первоначальная сборка с уникальными идентификаторами QAS SQuAD в каждом разделении с использованием контекста уровня прохождения (Zhou et al, 2017).

  • 2.0.0 : соответствует исходному разделению (Zhou et al, 2017), допускает контексты как на уровне предложения, так и на уровне отрывка, и использует ответы из (Zhou et al, 2017).

  • 3.0.0 (по умолчанию): добавлено также разделение (Du et al, 2017).

• Автоматическое кэширование ( документация ): Да

• Контролируемые ключи (см. as_supervised doc ): ('context_passage', 'question')

• Рисунок ( tfds.show_examples ): не поддерживается.

• Цитата :

@inproceedings{du-etal-2017-learning,
    title = "Learning to Ask: Neural Question Generation for Reading Comprehension",
    author = "Du, Xinya  and Shao, Junru  and Cardie, Claire",
    booktitle = "Proceedings of the 55th Annual Meeting of the Association for Computational Linguistics (Volume 1: Long Papers)",
    month = jul,
    year = "2017",
    address = "Vancouver, Canada",
    publisher = "Association for Computational Linguistics",
    url = "https://aclanthology.org/P17-1123",
    doi = "10.18653/v1/P17-1123",
    pages = "1342--1352",
}

@inproceedings{rajpurkar-etal-2016-squad,
    title = "{SQ}u{AD}: 100,000+ Questions for Machine Comprehension of Text",
    author = "Rajpurkar, Pranav  and Zhang, Jian  and Lopyrev, Konstantin  and Liang, Percy",
    booktitle = "Proceedings of the 2016 Conference on Empirical Methods in Natural Language Processing",
    month = nov,
    year = "2016",
    address = "Austin, Texas",
    publisher = "Association for Computational Linguistics",
    url = "https://aclanthology.org/D16-1264",
    doi = "10.18653/v1/D16-1264",
    pages = "2383--2392",
}

Squad_question_generation/split_du (конфигурация по умолчанию)

• Описание конфигурации : ответ на независимую генерацию вопросов из контекстов уровня прохождения (Du et al, 2017).

• Размер загрузки : 62.83 MiB .

• Размер набора данных : 84.67 MiB .

• Сплиты :

• Структура функции :

FeaturesDict({
    'answer': Text(shape=(), dtype=string),
    'context_passage': Text(shape=(), dtype=string),
    'question': Text(shape=(), dtype=string),
})

• Документация по функциям :

• Примеры ( tfds.as_dataframe ):

отряд_вопрос_генерация/split_zhou

• Описание конфигурации : Генерация вопросов, зависящих от диапазона ответов, из контекстов уровня предложения и отрывка (Чжоу и др., 2017).

• Размер загрузки : 62.52 MiB .

• Размер набора данных : 111.02 MiB .

• Сплиты :

• Структура функции :

FeaturesDict({
    'answer': Text(shape=(), dtype=string),
    'context_passage': Text(shape=(), dtype=string),
    'context_sentence': Text(shape=(), dtype=string),
    'question': Text(shape=(), dtype=string),
})

• Документация по функциям :

• Примеры ( tfds.as_dataframe ):