cosmos_qa

• Descripción :

Cosmos QA es un conjunto de datos a gran escala de 35.6K problemas que requieren comprensión de lectura basada en el sentido común, formulados como preguntas de opción múltiple. Se enfoca en leer entre líneas sobre una colección diversa de narrativas cotidianas de las personas, haciendo preguntas sobre las posibles causas o efectos de los eventos que requieren un razonamiento más allá de los espacios exactos del texto en el contexto.

• Documentación adicional : Explore en Papers With Code north_east

• Página de inicio: https://wilburone.github.io/cosmos/

• Código fuente : tfds.question_answering.CosmosQA

• Versiones :

  • 1.0.0 (predeterminado): Sin notas de la versión.

• Tamaño de la descarga : 23.27 MiB

• Tamaño del conjunto de datos : 27.09 MiB

• Almacenamiento automático en caché ( documentación ): Sí

• Divisiones :

• Estructura de características :

FeaturesDict({
    'answer0': Text(shape=(), dtype=string),
    'answer1': Text(shape=(), dtype=string),
    'answer2': Text(shape=(), dtype=string),
    'answer3': Text(shape=(), dtype=string),
    'context': Text(shape=(), dtype=string),
    'id': Text(shape=(), dtype=string),
    'label': ClassLabel(shape=(), dtype=int64, num_classes=4),
    'question': Text(shape=(), dtype=string),
})

• Documentación de características :

• Claves supervisadas (Ver as_supervised doc ): None

• Figura ( tfds.show_examples ): no compatible.

• Ejemplos ( tfds.as_dataframe ):

• Cita :

@inproceedings{huang-etal-2019-cosmos,
    title = "Cosmos {QA}: Machine Reading Comprehension with Contextual Commonsense Reasoning",
    author = "Huang, Lifu  and
      Le Bras, Ronan  and
      Bhagavatula, Chandra  and
      Choi, Yejin",
    booktitle = "Proceedings of the 2019 Conference on Empirical Methods in Natural Language Processing and the 9th International Joint Conference on Natural Language Processing (EMNLP-IJCNLP)",
    year = "2019",
    url = "https://www.aclweb.org/anthology/D19-1243"
}