- Описание :
Генерация вопросов с использованием набора данных отряда с использованием разделения данных, описанного в «Генерация нейронных вопросов из текста: предварительное исследование» (Zhou et al, 2017) и «Учимся спрашивать: генерация нейронных вопросов для понимания прочитанного» (Du et al, 2017).
Домашняя страница : https://github.com/xinyadu/nqg @inproceedings{du-etal-2017-learning, title = «Учимся задавать вопросы: генерация нейронных вопросов для понимания прочитанного», author = «Ду, Синья и Шао, Джунру и Карди, Клэр", booktitle = "Материалы 55-го ежегодного собрания Ассоциации компьютерной лингвистики (Том 1: Длинные статьи)", месяц = июль, год = "2017", адрес = "Ванкувер, Канада", издатель = " Ассоциация компьютерной лингвистики", url = "https://aclanthology.org/P17-1123", doi = "10.18653/v1/P17-1123", pages = "1342--1352", } ", месяц = июль, год = "2017", адрес = "Ванкувер, Канада", издатель = "Ассоциация вычислительной лингвистики", url = "https://aclanthology.org/P17-1123", doi = "10.18653/v1/P17-1123" , страницы = "1342--1352", } )
Исходный код :
tfds.text.squad_question_generation.SquadQuestionGeneration
Версии :
1.0.0
: Первоначальная сборка с уникальными идентификаторами QAS SQuAD в каждом разделении с использованием контекста уровня прохождения (Zhou et al, 2017).2.0.0
: соответствует исходному разделению (Zhou et al, 2017), допускает контексты как на уровне предложения, так и на уровне отрывка, и использует ответы из (Zhou et al, 2017).3.0.0
(по умолчанию): добавлено также разделение (Du et al, 2017).
Автоматическое кэширование ( документация ): Да
Контролируемые ключи (см.
as_supervised
doc ):('context_passage', 'question')
Рисунок ( tfds.show_examples ): не поддерживается.
Цитата :
@inproceedings{du-etal-2017-learning,
title = "Learning to Ask: Neural Question Generation for Reading Comprehension",
author = "Du, Xinya and Shao, Junru and Cardie, Claire",
booktitle = "Proceedings of the 55th Annual Meeting of the Association for Computational Linguistics (Volume 1: Long Papers)",
month = jul,
year = "2017",
address = "Vancouver, Canada",
publisher = "Association for Computational Linguistics",
url = "https://aclanthology.org/P17-1123",
doi = "10.18653/v1/P17-1123",
pages = "1342--1352",
}
@inproceedings{rajpurkar-etal-2016-squad,
title = "{SQ}u{AD}: 100,000+ Questions for Machine Comprehension of Text",
author = "Rajpurkar, Pranav and Zhang, Jian and Lopyrev, Konstantin and Liang, Percy",
booktitle = "Proceedings of the 2016 Conference on Empirical Methods in Natural Language Processing",
month = nov,
year = "2016",
address = "Austin, Texas",
publisher = "Association for Computational Linguistics",
url = "https://aclanthology.org/D16-1264",
doi = "10.18653/v1/D16-1264",
pages = "2383--2392",
}
Squad_question_generation/split_du (конфигурация по умолчанию)
Описание конфигурации : ответ на независимую генерацию вопросов из контекстов уровня прохождения (Du et al, 2017).
Размер загрузки :
62.83 MiB
.Размер набора данных :
84.67 MiB
.Сплиты :
Расколоть | Примеры |
---|---|
'test' | 11 877 |
'train' | 75 722 |
'validation' | 10 570 |
- Структура функции :
FeaturesDict({
'answer': Text(shape=(), dtype=string),
'context_passage': Text(shape=(), dtype=string),
'question': Text(shape=(), dtype=string),
})
- Документация по функциям :
Особенность | Учебный класс | Форма | Dтип | Описание |
---|---|---|---|---|
ОсобенностиDict | ||||
отвечать | Текст | нить | ||
context_passage | Текст | нить | ||
вопрос | Текст | нить |
- Примеры ( tfds.as_dataframe ):
отряд_вопрос_генерация/split_zhou
Описание конфигурации : Генерация вопросов, зависящих от диапазона ответов, из контекстов уровня предложения и отрывка (Чжоу и др., 2017).
Размер загрузки :
62.52 MiB
.Размер набора данных :
111.02 MiB
.Сплиты :
Расколоть | Примеры |
---|---|
'test' | 8964 |
'train' | 86 635 |
'validation' | 8965 |
- Структура функции :
FeaturesDict({
'answer': Text(shape=(), dtype=string),
'context_passage': Text(shape=(), dtype=string),
'context_sentence': Text(shape=(), dtype=string),
'question': Text(shape=(), dtype=string),
})
- Документация по функциям :
Особенность | Учебный класс | Форма | Dтип | Описание |
---|---|---|---|---|
ОсобенностиDict | ||||
отвечать | Текст | нить | ||
context_passage | Текст | нить | ||
context_sentence | Текст | нить | ||
вопрос | Текст | нить |
- Примеры ( tfds.as_dataframe ):