एमएल समुदाय दिवस 9 नवंबर है! TensorFlow, JAX से नई जानकारी के लिए हमसे जुड़ें, और अधिक जानें

कहानी_बंद

  • विवरण:

स्टोरी क्लोज टेस्ट कहानी की समझ, कहानी निर्माण और स्क्रिप्ट सीखने के मूल्यांकन के लिए एक नया कॉमनसेंस रीजनिंग फ्रेमवर्क है। इस परीक्षण के लिए चार-वाक्य की कहानी के लिए सही अंत चुनने के लिए एक प्रणाली की आवश्यकता होती है।

  • कॉन्फ़िग विवरण: 2018 वर्ष

  • होमपेज: https://www.cs.rochester.edu/nlp/rocstories/

  • स्रोत कोड: tfds.text.story_cloze.StoryCloze

  • संस्करण:

    • 1.0.0 (डिफ़ॉल्ट): प्रारंभिक रिलीज़।
  • डाउनलोड का आकार: Unknown size

  • मैनुअल डाउनलोड के निर्देश: यह डेटासेट आप में मैन्युअल रूप से स्रोत डेटा डाउनलोड करने के लिए की आवश्यकता है download_config.manual_dir (करने के लिए डिफ़ॉल्ट ~/tensorflow_datasets/downloads/manual/ ):
    यात्रा https://www.cs.rochester.edu/nlp/rocstories/ और गूगल फॉर्म भरें डेटासेट प्राप्त करने के लिए। आपको डेटासेट डाउनलोड करने के लिंक के साथ एक ईमेल प्राप्त होगा। 2016 डेटा के लिए, सत्यापन और परीक्षण फ़ाइल जरूरतों का नाम बदलकर cloze_test वैल _spring2016.csv और cloze_test परीक्षण _spring2016.csv क्रमश। 2018 संस्करण के लिए, सत्यापन और परीक्षण फ़ाइल जरूरतों cloze_test वैल _winter2018.csv और क्रमशः cloze_test परीक्षण _winter2018.csv करने के लिए नाम बदलने की। इन दोनों फाइलों को मैनुअल डायरेक्टरी में ले जाएं।

  • ऑटो-कैश ( प्रलेखन ): हाँ

  • विशेषताएं:

FeaturesDict({
    'context': Text(shape=(), dtype=tf.string),
    'endings': Sequence(Text(shape=(), dtype=tf.string)),
    'label': tf.int32,
})
  • पर्यवेक्षित कुंजियों (देखें as_supervised डॉक ): None

  • चित्रा ( tfds.show_examples ): समर्थित नहीं।

  • प्रशस्ति पत्र:

@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 (डिफ़ॉल्ट कॉन्फ़िग)

  • डेटासेट का आकार: 1.15 MiB

  • विभाजन:

विभाजित करना उदाहरण
'test' 1,871
'validation' 1,871

कहानी_बंद/2018

  • डेटासेट का आकार: 1015.04 KiB

  • विभाजन:

विभाजित करना उदाहरण
'test' 1,571
'validation' 1,571