trivia_qa

• 説明:

TriviaqQA は、650,000 件を超える質疑応答証拠のトリプルを含む読解データセットです。 TriviaqQA には、トリビア愛好家によって作成された 95,000 の質問と回答のペアと、独立して収集された証拠ドキュメント (質問ごとに平均 6 つ) が含まれており、質問に回答するための高品質の遠隔監視を提供します。

• 追加のドキュメント:コードnorth_eastを使用したペーパーの探索

• ホームページ: http://nlp.cs.washington.edu/triviaqa/

• ソース コード: tfds.datasets.trivia_qa.Builder

• バージョン:

  • 1.1.0 (デフォルト): リリース ノートはありません。

• 機能構造:

FeaturesDict({
    'answer': FeaturesDict({
        'aliases': Sequence(Text(shape=(), dtype=string)),
        'matched_wiki_entity_name': Text(shape=(), dtype=string),
        'normalized_aliases': Sequence(Text(shape=(), dtype=string)),
        'normalized_matched_wiki_entity_name': Text(shape=(), dtype=string),
        'normalized_value': Text(shape=(), dtype=string),
        'type': Text(shape=(), dtype=string),
        'value': Text(shape=(), dtype=string),
    }),
    'entity_pages': Sequence({
        'doc_source': Text(shape=(), dtype=string),
        'filename': Text(shape=(), dtype=string),
        'title': Text(shape=(), dtype=string),
        'wiki_context': Text(shape=(), dtype=string),
    }),
    'question': Text(shape=(), dtype=string),
    'question_id': Text(shape=(), dtype=string),
    'question_source': Text(shape=(), dtype=string),
    'search_results': Sequence({
        'description': Text(shape=(), dtype=string),
        'filename': Text(shape=(), dtype=string),
        'rank': int32,
        'search_context': Text(shape=(), dtype=string),
        'title': Text(shape=(), dtype=string),
        'url': Text(shape=(), dtype=string),
    }),
})

• 機能のドキュメント:

• 監視されたキー( as_supervised docを参照): None

• 図( tfds.show_examples ): サポートされていません。

• 引用：

@article{2017arXivtriviaqa,
       author = { {Joshi}, Mandar and {Choi}, Eunsol and {Weld},
                 Daniel and {Zettlemoyer}, Luke},
        title = "{triviaqa: A Large Scale Distantly Supervised Challenge Dataset for Reading Comprehension}",
      journal = {arXiv e-prints},
         year = 2017,
          eid = {arXiv:1705.03551},
        pages = {arXiv:1705.03551},
archivePrefix = {arXiv},
       eprint = {1705.03551},
}

trivia_qa/rc (デフォルト設定)

• 構成の説明: 特定の質問のすべてのドキュメントに回答文字列が含まれる質問と回答のペア。ウィキペディアと検索結果からのコンテキストが含まれます。

• ダウンロードサイズ: 2.48 GiB

• データセットサイズ: 14.99 GiB

• 自動キャッシュ(ドキュメント): いいえ

• スプリット:

• 例( tfds.as_dataframe ):

trivia_qa/rc.nocontext

• 構成の説明: 特定の質問のすべてのドキュメントに回答文字列が含まれる質問と回答のペア。

• ダウンロードサイズ: 2.48 GiB

• データセットサイズ: 196.84 MiB

• 自動キャッシュ(ドキュメント): はい (テスト、検証)、 shuffle_files=Falseの場合のみ (トレーニング)

• スプリット:

• 例( tfds.as_dataframe ):

trivia_qa/unfiltered

• 構成の説明: 特定の質問に対するすべてのドキュメントに回答文字列が含まれているわけではない、オープン ドメイン QA 用の 110k の質問と回答のペア。これにより、フィルタリングされていないデータセットが IR スタイルの QA により適したものになります。ウィキペディアと検索結果からのコンテキストが含まれます。

• ダウンロードサイズ: 3.07 GiB

• データセットサイズ: 27.27 GiB

• 自動キャッシュ(ドキュメント): いいえ

• スプリット:

• 例( tfds.as_dataframe ):

trivia_qa/unfiltered.nocontext

• 構成の説明: 特定の質問に対するすべてのドキュメントに回答文字列が含まれているわけではない、オープン ドメイン QA 用の 110k の質問と回答のペア。これにより、フィルタリングされていないデータセットが IR スタイルの QA により適したものになります。

• ダウンロードサイズ: 603.25 MiB

• データセットのサイズ: 119.78 MiB

• 自動キャッシュ(ドキュメント): はい

• スプリット:

• 例( tfds.as_dataframe ):

• 説明:

TriviaqQA は、650,000 件を超える質疑応答証拠のトリプルを含む読解データセットです。 TriviaqQA には、トリビア愛好家によって作成された 95,000 の質問と回答のペアと、独立して収集された証拠ドキュメント (質問ごとに平均 6 つ) が含まれており、質問に回答するための高品質の遠隔監視を提供します。

• 追加のドキュメント:コードnorth_eastを使用したペーパーの探索

• ホームページ: http://nlp.cs.washington.edu/triviaqa/

• ソース コード: tfds.datasets.trivia_qa.Builder

• バージョン:

  • 1.1.0 (デフォルト): リリース ノートはありません。

• 機能構造:

FeaturesDict({
    'answer': FeaturesDict({
        'aliases': Sequence(Text(shape=(), dtype=string)),
        'matched_wiki_entity_name': Text(shape=(), dtype=string),
        'normalized_aliases': Sequence(Text(shape=(), dtype=string)),
        'normalized_matched_wiki_entity_name': Text(shape=(), dtype=string),
        'normalized_value': Text(shape=(), dtype=string),
        'type': Text(shape=(), dtype=string),
        'value': Text(shape=(), dtype=string),
    }),
    'entity_pages': Sequence({
        'doc_source': Text(shape=(), dtype=string),
        'filename': Text(shape=(), dtype=string),
        'title': Text(shape=(), dtype=string),
        'wiki_context': Text(shape=(), dtype=string),
    }),
    'question': Text(shape=(), dtype=string),
    'question_id': Text(shape=(), dtype=string),
    'question_source': Text(shape=(), dtype=string),
    'search_results': Sequence({
        'description': Text(shape=(), dtype=string),
        'filename': Text(shape=(), dtype=string),
        'rank': int32,
        'search_context': Text(shape=(), dtype=string),
        'title': Text(shape=(), dtype=string),
        'url': Text(shape=(), dtype=string),
    }),
})

• 機能のドキュメント:

• 監視されたキー( as_supervised docを参照): None

• 図( tfds.show_examples ): サポートされていません。

• 引用：

@article{2017arXivtriviaqa,
       author = { {Joshi}, Mandar and {Choi}, Eunsol and {Weld},
                 Daniel and {Zettlemoyer}, Luke},
        title = "{triviaqa: A Large Scale Distantly Supervised Challenge Dataset for Reading Comprehension}",
      journal = {arXiv e-prints},
         year = 2017,
          eid = {arXiv:1705.03551},
        pages = {arXiv:1705.03551},
archivePrefix = {arXiv},
       eprint = {1705.03551},
}

trivia_qa/rc (デフォルト設定)

• 構成の説明: 特定の質問のすべてのドキュメントに回答文字列が含まれる質問と回答のペア。ウィキペディアと検索結果からのコンテキストが含まれます。

• ダウンロードサイズ: 2.48 GiB

• データセットサイズ: 14.99 GiB

• 自動キャッシュ(ドキュメント): いいえ

• スプリット:

• 例( tfds.as_dataframe ):

trivia_qa/rc.nocontext

• 構成の説明: 特定の質問のすべてのドキュメントに回答文字列が含まれる質問と回答のペア。

• ダウンロードサイズ: 2.48 GiB

• データセットサイズ: 196.84 MiB

• 自動キャッシュ(ドキュメント): はい (テスト、検証)、 shuffle_files=Falseの場合のみ (トレーニング)

• スプリット:

• 例( tfds.as_dataframe ):

trivia_qa/unfiltered

• 構成の説明: 特定の質問に対するすべてのドキュメントに回答文字列が含まれているわけではない、オープン ドメイン QA 用の 110k の質問と回答のペア。これにより、フィルタリングされていないデータセットが IR スタイルの QA により適したものになります。ウィキペディアと検索結果からのコンテキストが含まれます。

• ダウンロードサイズ: 3.07 GiB

• データセットサイズ: 27.27 GiB

• 自動キャッシュ(ドキュメント): いいえ

• スプリット:

• 例( tfds.as_dataframe ):

trivia_qa/unfiltered.nocontext

• 構成の説明: 特定の質問に対するすべてのドキュメントに回答文字列が含まれているわけではない、オープン ドメイン QA 用の 110k の質問と回答のペア。これにより、フィルタリングされていないデータセットが IR スタイルの QA により適したものになります。

• ダウンロードサイズ: 603.25 MiB

• データセットのサイズ: 119.78 MiB

• 自動キャッシュ(ドキュメント): はい

• スプリット:

• 例( tfds.as_dataframe ):