trec

  • Description:

L'ensemble de données de classification des questions de Text REtrieval Conference (TREC) contient 5 500 questions étiquetées dans l'ensemble d'apprentissage et 500 autres pour l'ensemble de test. L'ensemble de données a 6 étiquettes, 47 étiquettes de niveau 2. La longueur moyenne de chaque phrase est de 10, la taille du vocabulaire de 8700. Les données sont collectées à partir de quatre sources : 4 500 questions en anglais publiées par l'USC (Hovy et al., 2001), environ 500 questions construites manuellement pour quelques rares classes, 894 TREC 8 et Les questions du TREC 9, ainsi que 500 questions du TREC 10 qui sert de set de test.

Diviser Exemples
'test' 500
'train' 5 452
  • Caractéristiques:
FeaturesDict({
    'label-coarse': ClassLabel(shape=(), dtype=tf.int64, num_classes=6),
    'label-fine': ClassLabel(shape=(), dtype=tf.int64, num_classes=47),
    'text': Text(shape=(), dtype=tf.string),
})
  • citation:
@inproceedings{li-roth-2002-learning,
    title = "Learning Question Classifiers",
    author = "Li, Xin  and
      Roth, Dan",
    booktitle = "{COLING} 2002: The 19th International Conference on Computational Linguistics",
    year = "2002",
    url = "https://www.aclweb.org/anthology/C02-1150",
}
@inproceedings{hovy-etal-2001-toward,
    title = "Toward Semantics-Based Answer Pinpointing",
    author = "Hovy, Eduard  and
      Gerber, Laurie  and
      Hermjakob, Ulf  and
      Lin, Chin-Yew  and
      Ravichandran, Deepak",
    booktitle = "Proceedings of the First International Conference on Human Language Technology Research",
    year = "2001",
    url = "https://www.aclweb.org/anthology/H01-1069",
}