wiki_table_questions

• Описание :

Набор данных содержит пары таблица-вопрос и соответствующий ответ. Вопросы требуют многоэтапных рассуждений и различных операций с данными, таких как сравнение, агрегирование и арифметические вычисления. Таблицы выбирались случайным образом среди таблиц Википедии, содержащих не менее 8 строк и 5 столбцов.

(Согласно примечаниям по использованию документации)

• Dev: средняя точность по трем (а не пяти) разделам обучающих данных. Другими словами, тренируйтесь на «split- {1,2,3} -train» и тестируйте на «split- {1,2,3} -dev» соответственно, а затем усредняйте точность.

• Тест: тренируйтесь на «поезде» и проверяйте на «тесте».

• Домашняя страница : https://ppasupat.github.io/WikiTableQuestions/#usage-notes

• Исходный код : tfds.structured.wiki_table_questions.WikiTableQuestions

• Версии :

  • 1.0.0 (по умолчанию): начальный выпуск.

• Размер загрузки : 65.36 MiB

• Размер набора данных : 237.24 MiB

• Автоматическое кэширование ( документация ): Да

• Сплит :

• Особенности :

FeaturesDict({
    'input_text': FeaturesDict({
        'context': tf.string,
        'table': Sequence({
            'column_header': tf.string,
            'content': tf.string,
            'row_number': tf.int16,
        }),
    }),
    'target_text': tf.string,
})

• Контролируемые ключи (см. as_supervised doc ): ('input_text', 'target_text')

• Цитата :

@inproceedings{pasupat-liang-2015-compositional,
    title = "Compositional Semantic Parsing on Semi-Structured Tables",
    author = "Pasupat, Panupong  and
      Liang, Percy",
    booktitle = "Proceedings of the 53rd Annual Meeting of the Association for Computational Linguistics and the 7th International Joint Conference on Natural Language Processing (Volume 1: Long Papers)",
    month = jul,
    year = "2015",
    address = "Beijing, China",
    publisher = "Association for Computational Linguistics",
    url = "https://www.aclweb.org/anthology/P15-1142",
    doi = "10.3115/v1/P15-1142",
    pages = "1470--1480",
}

• Рисунок ( tfds.show_examples ): не поддерживается.

• Примеры ( tfds.as_dataframe ):