कहानी_बंद

• विवरण :

स्टोरी क्लोज़ टेस्ट कहानी की समझ, कहानी निर्माण, और स्क्रिप्ट सीखने के मूल्यांकन के लिए एक नया कॉमनसेंस रीजनिंग फ्रेमवर्क है। इस परीक्षण के लिए चार-वाक्य वाली कहानी का सही अंत चुनने के लिए एक प्रणाली की आवश्यकता होती है।

• अतिरिक्त दस्तावेज़ीकरण : north_east कोड वाले पेपर्स पर एक्सप्लोर करें

• विन्यास विवरण : 2018 वर्ष

• होमपेज : https://www.cs.rochester.edu/nlp/rocstories/

• स्रोत कोड : tfds.datasets.story_cloze.Builder

• संस्करण :

  • 1.0.0 (डिफ़ॉल्ट): प्रारंभिक रिलीज़।

• डाउनलोड आकार : Unknown size

• मैन्युअल डाउनलोड निर्देश : इस डेटासेट के लिए आपको स्रोत डेटा को मैन्युअल रूप से download_config.manual_dir (डिफ़ॉल्ट रूप से ~/tensorflow_datasets/downloads/manual/ ) में डाउनलोड करना होगा:
  https://www.cs.rochester.edu/nlp/rocstories/ पर जाएं और डेटासेट प्राप्त करने के लिए Google फ़ॉर्म भरें। आपको डेटासेट डाउनलोड करने के लिंक के साथ एक ईमेल प्राप्त होगा। 2016 के डेटा के लिए, सत्यापन और परीक्षण फ़ाइल को क्रमशः cloze_test val _spring2016.csv और cloze_test test _spring2016.csv का नाम बदलने की आवश्यकता है। 2018 संस्करण के लिए, सत्यापन और परीक्षण फ़ाइल को क्रमशः cloze_test val _winter2018.csv और cloze_test test _winter2018.csv का नाम बदलने की आवश्यकता है। इन दोनों फाइलों को मैनुअल डायरेक्टरी में ले जाएं।

• ऑटो-कैश्ड ( दस्तावेज़ीकरण ): हाँ

• फ़ीचर संरचना :

FeaturesDict({
    'context': Text(shape=(), dtype=string),
    'endings': Sequence(Text(shape=(), dtype=string)),
    'label': int32,
})

• फ़ीचर दस्तावेज़ीकरण :

• पर्यवेक्षित कुंजियाँ ( as_supervised doc देखें): None

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

• उद्धरण :

@inproceedings{sharma-etal-2018-tackling,
    title = "Tackling the Story Ending Biases in The Story Cloze Test",
    author = "Sharma, Rishi  and
      Allen, James  and
      Bakhshandeh, Omid  and
      Mostafazadeh, Nasrin",
    booktitle = "Proceedings of the 56th Annual Meeting of the Association for Computational Linguistics (Volume 2: Short Papers)",
    month = jul,
    year = "2018",
    address = "Melbourne, Australia",
    publisher = "Association for Computational Linguistics",
    url = "https://www.aclweb.org/anthology/P18-2119",
    doi = "10.18653/v1/P18-2119",
    pages = "752--757",
    abstract = "The Story Cloze Test (SCT) is a recent framework for evaluating story comprehension and script learning. There have been a variety of models tackling the SCT so far. Although the original goal behind the SCT was to require systems to perform deep language understanding and commonsense reasoning for successful narrative understanding, some recent models could perform significantly better than the initial baselines by leveraging human-authorship biases discovered in the SCT dataset. In order to shed some light on this issue, we have performed various data analysis and analyzed a variety of top performing models presented for this task. Given the statistics we have aggregated, we have designed a new crowdsourcing scheme that creates a new SCT dataset, which overcomes some of the biases. We benchmark a few models on the new dataset and show that the top-performing model on the original SCT dataset fails to keep up its performance. Our findings further signify the importance of benchmarking NLP systems on various evolving test sets.",
}

story_cloze/2016 (डिफ़ॉल्ट कॉन्फ़िगरेशन)

• डेटासेट का आकार : 1.15 MiB

• विभाजन :

• उदाहरण ( tfds.as_dataframe ):

कहानी_क्लोज़/2018

• डेटासेट का आकार : 1015.04 KiB

• विभाजन :

• उदाहरण ( tfds.as_dataframe ):