Pomoc chronić Wielkiej Rafy Koralowej z TensorFlow na Kaggle Dołącz Wyzwanie

skład_pytania_pokolenia

  • opis:

Generowanie pytań przy użyciu zestawu danych oddziału i podziału danych opisanego w „Neural Question Generation from Text: A Preliminary Study” (Zhou i in., 2017).

  • Strona domowa: https://github.com/magic282/NQG

  • Kod źródłowy: tfds.text.squad_question_generation.SquadQuestionGeneration

  • wersje:

    • 1.0.0 : Początkowa budować z unikalnymi identyfikatorami Skład QAS w każdym z ułamku, za pomocą kontekstu przejście poziomu.

    • 2.0.0 (domyślnie): Mecze oryginalny podział (Zhou i wsp, 2017), pozwala zarówno sentence- i przejście poziomu konteksty i wykorzystuje odpowiedź z (Zhou i wsp, 2017).

  • Wielkość pliku: 62.52 MiB

  • Zbiór danych rozmiar: 111.02 MiB

  • Auto-buforowane ( dokumentacja ) Tak

  • dzieli:

Podział Przykłady
'test' 8964
'train' 86 635
'validation' 8965
  • Cechy:
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),
})
  • cytat:
@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},
}