histoire_cloze

  • Description:

Story Cloze Test est un nouveau cadre de raisonnement de bon sens pour évaluer la compréhension de l'histoire, la génération d'histoires et l'apprentissage de scripts. Ce test nécessite qu'un système choisisse la fin correcte d'une histoire de quatre phrases.

  • Description Config: 2018 années

  • Page d' accueil: https://www.cs.rochester.edu/nlp/rocstories/

  • Code source: tfds.text.story_cloze.StoryCloze

  • versions:

    • 1.0.0 (par défaut): Version initiale.
  • Taille du téléchargement: Unknown size

  • Instructions de téléchargement Manuel: Cet ensemble de données , vous devez télécharger les données source manuellement dans download_config.manual_dir (par défaut ~/tensorflow_datasets/downloads/manual/ ):
    Visitez https://www.cs.rochester.edu/nlp/rocstories/ et remplissez le formulaire de Google pour obtenir les ensembles de données. Vous recevrez un e-mail avec le lien pour télécharger les jeux de données. Pour les 2016 données, la validation et les besoins fichiers de test à rebaptiser à cloze_test val _spring2016.csv et cloze_test _spring2016.csv test respectivement. Pour la version 2018, les besoins de validation et de fichiers de test à renommer à cloze_test val _winter2018.csv et _winter2018.csv test cloze_test respectivement. Déplacez ces deux fichiers dans le répertoire manuel.

  • Auto-cache ( documentation ): Oui

  • Caractéristiques:

FeaturesDict({
    'context': Text(shape=(), dtype=tf.string),
    'endings': Sequence(Text(shape=(), dtype=tf.string)),
    'label': tf.int32,
})
@inproceedings{sharma-etal-2018-tackling,
    title = "Tackling the Story Ending Biases in The Story Cloze Test",
    author = "Sharma, Rishi  and
      Allen, James  and
      Bakhshandeh, Omid  and
      Mostafazadeh, Nasrin",
    booktitle = "Proceedings of the 56th Annual Meeting of the Association for Computational Linguistics (Volume 2: Short Papers)",
    month = jul,
    year = "2018",
    address = "Melbourne, Australia",
    publisher = "Association for Computational Linguistics",
    url = "https://www.aclweb.org/anthology/P18-2119",
    doi = "10.18653/v1/P18-2119",
    pages = "752--757",
    abstract = "The Story Cloze Test (SCT) is a recent framework for evaluating story comprehension and script learning. There have been a variety of models tackling the SCT so far. Although the original goal behind the SCT was to require systems to perform deep language understanding and commonsense reasoning for successful narrative understanding, some recent models could perform significantly better than the initial baselines by leveraging human-authorship biases discovered in the SCT dataset. In order to shed some light on this issue, we have performed various data analysis and analyzed a variety of top performing models presented for this task. Given the statistics we have aggregated, we have designed a new crowdsourcing scheme that creates a new SCT dataset, which overcomes some of the biases. We benchmark a few models on the new dataset and show that the top-performing model on the original SCT dataset fails to keep up its performance. Our findings further signify the importance of benchmarking NLP systems on various evolving test sets.",
}

story_cloze/2016 (configuration par défaut)

  • Dataset Taille: 1.15 MiB

  • scissions:

Diviser Exemples
'test' 1 871
'validation' 1 871

histoire_cloze/2018

  • Dataset Taille: 1015.04 KiB

  • scissions:

Diviser Exemples
'test' 1 571
'validation' 1 571