ড্রপ

• বর্ণনা :

বিদ্যমান পাঠ বোঝার মানদণ্ডে সিস্টেমের কার্যকারিতা মানুষের কার্যক্ষমতার কাছাকাছি বা অতিক্রম করে, আমাদের একটি নতুন, কঠিন ডেটাসেট দরকার যা পাঠ্যের অনুচ্ছেদগুলি পড়ার জন্য সিস্টেমের ক্ষমতাকে উন্নত করে। DROP হল একটি ক্রাউডসোর্সড, প্রতিকূলভাবে তৈরি, 96k-প্রশ্নের বেঞ্চমার্ক, যেখানে একটি সিস্টেমকে একটি প্রশ্নের রেফারেন্সের সমাধান করতে হবে, সম্ভবত একাধিক ইনপুট পজিশনে, এবং তাদের উপর বিচ্ছিন্ন ক্রিয়াকলাপ সম্পাদন করতে হবে (যেমন সংযোজন, গণনা বা সাজানো)। এই ক্রিয়াকলাপগুলির জন্য পূর্ববর্তী ডেটাসেটের জন্য যা প্রয়োজনীয় ছিল তার চেয়ে অনুচ্ছেদের বিষয়বস্তু সম্পর্কে অনেক বেশি বিস্তৃত বোঝার প্রয়োজন।

• অতিরিক্ত ডকুমেন্টেশন : north_east কোড সহ কাগজপত্রে অন্বেষণ করুন

• হোমপেজ : https://allennlp.org/drop

• সোর্স কোড : tfds.text.drop.Drop

• সংস্করণ :

  • 1.0.0 : প্রাথমিক প্রকাশ।
  • 2.0.0 (ডিফল্ট): উত্তরগুলির জন্য সমস্ত বিকল্প যোগ করুন।

• ডাউনলোড আকার : 7.92 MiB

• ডেটাসেটের আকার : 116.24 MiB

• স্বয়ংক্রিয় ক্যাশে ( ডকুমেন্টেশন ): হ্যাঁ

• বিভাজন :

• বৈশিষ্ট্য গঠন :

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)),
})

• বৈশিষ্ট্য ডকুমেন্টেশন :

• তত্ত্বাবধান করা কী (দেখুন as_supervised doc ): None

• চিত্র ( tfds.show_examples ): সমর্থিত নয়।

• উদাহরণ ( tfds.as_dataframe ):

• উদ্ধৃতি :

@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}
}