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

tydi_qa

  • विवरण:

TyDi QA एक प्रश्न का उत्तर देने वाला डेटासेट है जिसमें 204K प्रश्न-उत्तर जोड़े के साथ 11 टाइपोलॉजिकल रूप से विविध भाषाओं को शामिल किया गया है। TyDi QA की भाषाएं उनकी टाइपोलॉजी के संबंध में विविध हैं - भाषाई विशेषताओं का सेट जो प्रत्येक भाषा व्यक्त करती है - जैसे कि हम उम्मीद करते हैं कि दुनिया में बड़ी संख्या में भाषाओं के सामान्यीकरण के लिए इस सेट पर मॉडल अच्छा प्रदर्शन करेंगे। इसमें ऐसी भाषा संबंधी घटनाएं शामिल हैं जो केवल-अंग्रेज़ी निगम में नहीं मिलेंगी। एक यथार्थवादी सूचना-प्राप्त कार्य प्रदान करने और भड़काने वाले प्रभावों से बचने के लिए, प्रश्न ऐसे लोगों द्वारा लिखे जाते हैं जो उत्तर जानना चाहते हैं, लेकिन अभी तक उत्तर नहीं जानते हैं, (SQuAD और उसके वंशजों के विपरीत) और डेटा सीधे प्रत्येक भाषा में एकत्र किया जाता है। अनुवाद के उपयोग के बिना (MLQA और XQuAD के विपरीत)।

प्रशिक्षण विभाजन:

'ट्रेन': यह मूल टाइडी क्यूए कागज [से GoldP काम है https://arxiv.org/abs/2003.05002 ] मूल भाषा के लेबल प्रशिक्षण डेटा है।

'का अनुवाद-train- *': ये विभाजन प्रत्येक लक्ष्य चरम कागज [में अनुवाद कर ट्रेन की पूर्ति में प्रयुक्त भाषा को अंग्रेजी से स्वत: अनुवाद कर रहे हैं https://arxiv.org/abs/2003.11080 ]। यह स्थानांतरण सीखने के परिदृश्य का अनुकरण करने के लिए गैर-अंग्रेजी TyDiQA-GoldP प्रशिक्षण डेटा को उद्देश्यपूर्ण रूप से अनदेखा करता है जहां मूल-भाषा डेटा उपलब्ध नहीं है और सिस्टम बिल्डरों को लेबल किए गए अंग्रेजी डेटा और मौजूदा मशीन अनुवाद प्रणालियों पर भरोसा करना चाहिए।

आमतौर पर, आपको या तो ट्रेन या ट्रांसलेशन-ट्रेन स्प्लिट का उपयोग करना चाहिए, लेकिन दोनों का नहीं।

  • कॉन्फ़िग विवरण: सोने मार्ग (GoldP) काम ( https://github.com/google-research-datasets/tydiqa/tree/master/gold_passage_baseline )।

  • होमपेज: https://github.com/google-research-datasets/tydiqa

  • स्रोत कोड: tfds.question_answering.TydiQA

  • संस्करण:

    • 3.0.0 (डिफ़ॉल्ट): जहां जवाब फैला संदर्भ सफेद-अंतरिक्ष हटाने की वजह से गलत संरेखित कर रहे हैं उदाहरण के एक संख्या के साथ सुधार मुद्दा। यह परिवर्तन लगभग 25% ट्रेन और देव उदाहरणों को प्रभावित करता है।
  • डाउनलोड का आकार: 121.30 MiB

  • डेटासेट का आकार: 98.35 MiB

  • ऑटो-कैश ( प्रलेखन ): हाँ

  • विभाजन:

विभाजित करना उदाहरण
'train' 49,881
'translate-train-ar' 3,661
'translate-train-bn' 3,585
'translate-train-fi' 3,670
'translate-train-id' 3,667
'translate-train-ko' 3,607
'translate-train-ru' 3,394
'translate-train-sw' 3,622
'translate-train-te' 3,658
'validation' ५,०७७
'validation-ar' 921
'validation-bn' 113
'validation-en' 440
'validation-fi' 782
'validation-id' 565
'validation-ko' २७६
'validation-ru' 812
'validation-sw' 499
'validation-te' 669
  • विशेषताएं:
FeaturesDict({
    'answers': Sequence({
        'answer_start': tf.int32,
        'text': Text(shape=(), dtype=tf.string),
    }),
    'context': Text(shape=(), dtype=tf.string),
    'id': tf.string,
    'question': Text(shape=(), dtype=tf.string),
    'title': Text(shape=(), dtype=tf.string),
})
  • प्रशस्ति पत्र:
@article{tydiqa,
   title = {TyDi QA: A Benchmark for Information-Seeking Question Answering in Typologically Diverse Languages},
  author = {Jonathan H. Clark and Eunsol Choi and Michael Collins and Dan Garrette and Tom Kwiatkowski and Vitaly Nikolaev and Jennimaria Palomaki}
    year = {2020},
 journal = {Transactions of the Association for Computational Linguistics}
}

tydi_qa/goldp (डिफ़ॉल्ट कॉन्फ़िग)