ช่วยปกป้อง Great Barrier Reef กับ TensorFlow บน Kaggle เข้าร่วมท้าทาย

story_cloze

  • รายละเอียด:

Story Cloze Test เป็นกรอบการให้เหตุผลทั่วไปแบบใหม่สำหรับการประเมินความเข้าใจเรื่องราว การสร้างเรื่องราว และการเรียนรู้สคริปต์ การทดสอบนี้ต้องใช้ระบบเพื่อเลือกตอนจบที่ถูกต้องของเรื่องราวสี่ประโยค

  • คำอธิบาย Config: 2018 ปี

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

  • รหัสที่มา: tfds.text.story_cloze.StoryCloze

  • รุ่น:

    • 1.0.0 (เริ่มต้น): เริ่มต้นปล่อย
  • ขนาดการดาวน์โหลด: Unknown size

  • คำแนะนำการดาวน์โหลดคู่มือ: ชุดนี้คุณจะต้องดาวน์โหลดข้อมูลแหล่งที่มาของตนเองลงใน download_config.manual_dir (ค่าเริ่มต้น ~/tensorflow_datasets/downloads/manual/ ):
    เยี่ยมชม https://www.cs.rochester.edu/nlp/rocstories/ และกรอกแบบฟอร์ม Google เพื่อให้ได้ชุดข้อมูล คุณจะได้รับอีเมลพร้อมลิงก์สำหรับดาวน์โหลดชุดข้อมูล สำหรับข้อมูลที่ 2016 ตรวจสอบและไฟล์ทดสอบความต้องการที่จะเปลี่ยนชื่อเป็น cloze_test Val _spring2016.csv และ cloze_test _spring2016.csv ทดสอบตามลำดับ 2018 รุ่นการตรวจสอบและไฟล์ทดสอบความต้องการที่จะเปลี่ยนชื่อเป็น cloze_test Val _winter2018.csv และ _winter2018.csv ทดสอบ cloze_test ตามลำดับ ย้ายไฟล์ทั้งสองนี้ไปยังไดเร็กทอรีคู่มือ

  • ออโต้แคช ( เอกสาร ): ใช่

  • คุณสมบัติ:

FeaturesDict({
    'context': Text(shape=(), dtype=tf.string),
    'endings': Sequence(Text(shape=(), dtype=tf.string)),
    'label': tf.int32,
})
  • คีย์ภายใต้การดูแล (ดู as_supervised doc ): None

  • รูป ( tfds.show_examples ): ไม่ได้รับการสนับสนุน

  • อ้างอิง:

@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 (การกำหนดค่าเริ่มต้น)

  • ขนาดชุด: 1.15 MiB

  • แยก:

แยก ตัวอย่าง
'test' 1,871
'validation' 1,871

story_cloze/2018

  • ขนาดชุด: 1015.04 KiB

  • แยก:

แยก ตัวอย่าง
'test' 1,571
'validation' 1,571