बूंद

• विवरण :

रीडिंग कॉम्प्रिहेंशन बेंचमार्क पर सिस्टम के प्रदर्शन के साथ मानव प्रदर्शन के करीब या उससे आगे निकल जाने के साथ, हमें एक नए, हार्ड डेटासेट की आवश्यकता है जो वास्तव में पाठ के पैराग्राफ को पढ़ने के लिए सिस्टम की क्षमताओं में सुधार करता है। DROP एक क्राउडसोर्स्ड, प्रतिकूल रूप से निर्मित, 96k-प्रश्न बेंचमार्क है, जिसमें एक सिस्टम को एक प्रश्न में संदर्भों को हल करना चाहिए, शायद कई इनपुट स्थितियों के लिए, और उन पर असतत संचालन करना चाहिए (जैसे कि जोड़ना, गिनना या छांटना)। इन परिचालनों के लिए पिछले डेटासेट के लिए जरूरी समझ की तुलना में पैराग्राफ की सामग्री की अधिक व्यापक समझ की आवश्यकता होती है।

• अतिरिक्त दस्तावेज़ीकरण : north_east कोड वाले पेपर्स पर एक्सप्लोर करें

• होमपेज : https://allennlp.org/drop

• स्रोत कोड : tfds.text.drop.Drop

• संस्करण :

  • 1.0.0 : प्रारंभिक रिलीज।
  • 2.0.0 (डिफ़ॉल्ट): उत्तरों के लिए सभी विकल्प जोड़ें।

• डाउनलोड आकार : 7.92 MiB

• डेटासेट का आकार : 116.24 MiB

• ऑटो-कैश्ड ( दस्तावेज़ीकरण ): हाँ

• विभाजन :

• फ़ीचर संरचना :

FeaturesDict({
    'answer': Text(shape=(), dtype=string),
    'passage': Text(shape=(), dtype=string),
    'query_id': Text(shape=(), dtype=string),
    'question': Text(shape=(), dtype=string),
    'validated_answers': Sequence(Text(shape=(), dtype=string)),
})

• फ़ीचर दस्तावेज़ीकरण :

• पर्यवेक्षित कुंजियाँ ( as_supervised doc देखें): None

• चित्र ( tfds.show_examples ): समर्थित नहीं है।

• उदाहरण ( tfds.as_dataframe ):

• उद्धरण :

@inproceedings{Dua2019DROP,
  author={Dheeru Dua and Yizhong Wang and Pradeep Dasigi and Gabriel Stanovsky and Sameer Singh and Matt Gardner},
  title={  {DROP}: A Reading Comprehension Benchmark Requiring Discrete Reasoning Over Paragraphs},
  booktitle={Proc. of NAACL},
  year={2019}
}