- Descrição :
O conjunto de dados da justificativa do filme contém justificativas anotadas por humanos para resenhas de filmes.
Homepage : http://www.cs.jhu.edu/~ozaidan/rationales/
Código -fonte:
tfds.text.MovieRationales
Versões :
-
0.1.0
(padrão): sem notas de versão.
-
Tamanho do download :
3.72 MiB
Tamanho do conjunto de dados :
8.37 MiB
Cache automático ( documentação ): Sim
Divisões :
Dividir | Exemplos |
---|---|
'test' | 199 |
'train' | 1.600 |
'validation' | 200 |
- Estrutura de recursos :
FeaturesDict({
'evidences': Sequence(Text(shape=(), dtype=string)),
'label': ClassLabel(shape=(), dtype=int64, num_classes=2),
'review': Text(shape=(), dtype=string),
})
- Documentação do recurso:
Característica | Classe | Forma | Tipo D | Descrição |
---|---|---|---|---|
RecursosDict | ||||
evidências | Sequência (Texto) | (Nenhum,) | corda | |
etiqueta | ClassLabel | int64 | ||
Reveja | Texto | corda |
Chaves supervisionadas (Consulte
as_supervised
doc ):None
Figura ( tfds.show_examples ): Não suportado.
Exemplos ( tfds.as_dataframe ):
- Citação :
@unpublished{eraser2019,
title = {ERASER: A Benchmark to Evaluate Rationalized NLP Models},
author = {Jay DeYoung and Sarthak Jain and Nazneen Fatema Rajani and Eric Lehman and Caiming Xiong and Richard Socher and Byron C. Wallace}
}
@InProceedings{zaidan-eisner-piatko-2008:nips,
author = {Omar F. Zaidan and Jason Eisner and Christine Piatko},
title = {Machine Learning with Annotator Rationales to Reduce Annotation Cost},
booktitle = {Proceedings of the NIPS*2008 Workshop on Cost Sensitive Learning},
month = {December},
year = {2008}
}