trivia_qa

• 설명 :

TriviaqQA는 650,000개 이상의 질문-답변-증거 트리플을 포함하는 독해력 데이터 세트입니다. TriviaqQA에는 퀴즈 애호가가 작성한 95,000개의 질문-답변 쌍과 독립적으로 수집한 증거 문서(질문당 평균 6개)가 포함되어 질문에 답하기 위한 고품질 원거리 감독을 제공합니다.

• 추가 문서 : north_east 코드가 있는 논문에서 탐색

• 홈페이지 : http://nlp.cs.washington.edu/triviaqa/

• 소스 코드 : tfds.datasets.trivia_qa.Builder

• 버전 :

  • 1.1.0 (기본값): 릴리스 정보가 없습니다.

• 기능 구조 :

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),
    }),
})

• 기능 문서 :

• 감독된 키 ( as_supervised 문서 참조): None

• 그림 ( tfds.show_examples ): 지원되지 않습니다.

• 인용 :

@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(기본 구성)

• 구성 설명 : 주어진 질문에 대한 모든 문서에 답변 문자열이 포함된 질문-답변 쌍입니다. Wikipedia 및 검색 결과의 컨텍스트를 포함합니다.

• 다운로드 크기 : 2.48 GiB

• 데이터세트 크기 : 14.99 GiB

• 자동 캐시 ( 문서 ): 아니요

• 분할 :

• 예 ( tfds.as_dataframe ):

trivia_qa/rc.nocontext

• 구성 설명 : 주어진 질문에 대한 모든 문서에 답변 문자열이 포함된 질문-답변 쌍입니다.

• 다운로드 크기 : 2.48 GiB

• 데이터 세트 크기 : 196.84 MiB

• 자동 캐싱 ( 문서 ): 예(테스트, 검증), shuffle_files=False 인 경우에만(훈련)

• 분할 :

• 예 ( tfds.as_dataframe ):

trivia_qa/unfiltered

• 구성 설명 : 주어진 질문에 대한 모든 문서에 답변 문자열이 포함되어 있지 않은 오픈 도메인 QA에 대한 110k 질문-답변 쌍. 이렇게 하면 필터링되지 않은 데이터 세트가 IR 스타일 QA에 더 적합합니다. Wikipedia 및 검색 결과의 컨텍스트를 포함합니다.

• 다운로드 크기 : 3.07 GiB

• 데이터세트 크기 : 27.27 GiB

• 자동 캐시 ( 문서 ): 아니요

• 분할 :

• 예 ( tfds.as_dataframe ):

trivia_qa/unfiltered.nocontext

• 구성 설명 : 주어진 질문에 대한 모든 문서에 답변 문자열이 포함되어 있지 않은 오픈 도메인 QA에 대한 110k 질문-답변 쌍. 이렇게 하면 필터링되지 않은 데이터 세트가 IR 스타일 QA에 더 적합합니다.

• 다운로드 크기 : 603.25 MiB

• 데이터 세트 크기 : 119.78 MiB

• 자동 캐시 ( 문서 ): 예

• 분할 :

• 예 ( tfds.as_dataframe ):

• 설명 :

TriviaqQA는 650,000개 이상의 질문-답변-증거 트리플을 포함하는 독해력 데이터 세트입니다. TriviaqQA에는 퀴즈 애호가가 작성한 95,000개의 질문-답변 쌍과 독립적으로 수집한 증거 문서(질문당 평균 6개)가 포함되어 질문에 답하기 위한 고품질 원거리 감독을 제공합니다.

• 추가 문서 : north_east 코드가 있는 논문에서 탐색

• 홈페이지 : http://nlp.cs.washington.edu/triviaqa/

• 소스 코드 : tfds.datasets.trivia_qa.Builder

• 버전 :

  • 1.1.0 (기본값): 릴리스 정보가 없습니다.

• 기능 구조 :

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),
    }),
})

• 기능 문서 :

• 감독된 키 ( as_supervised 문서 참조): None

• 그림 ( tfds.show_examples ): 지원되지 않습니다.

• 인용 :

@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(기본 구성)

• 구성 설명 : 주어진 질문에 대한 모든 문서에 답변 문자열이 포함된 질문-답변 쌍입니다. Wikipedia 및 검색 결과의 컨텍스트를 포함합니다.

• 다운로드 크기 : 2.48 GiB

• 데이터세트 크기 : 14.99 GiB

• 자동 캐시 ( 문서 ): 아니요

• 분할 :

• 예 ( tfds.as_dataframe ):

trivia_qa/rc.nocontext

• 구성 설명 : 주어진 질문에 대한 모든 문서에 답변 문자열이 포함된 질문-답변 쌍입니다.

• 다운로드 크기 : 2.48 GiB

• 데이터 세트 크기 : 196.84 MiB

• 자동 캐싱 ( 문서 ): 예(테스트, 검증), shuffle_files=False 인 경우에만(훈련)

• 분할 :

• 예 ( tfds.as_dataframe ):

trivia_qa/unfiltered

• 구성 설명 : 주어진 질문에 대한 모든 문서에 답변 문자열이 포함되어 있지 않은 오픈 도메인 QA에 대한 110k 질문-답변 쌍. 이렇게 하면 필터링되지 않은 데이터 세트가 IR 스타일 QA에 더 적합합니다. Wikipedia 및 검색 결과의 컨텍스트를 포함합니다.

• 다운로드 크기 : 3.07 GiB

• 데이터세트 크기 : 27.27 GiB

• 자동 캐시 ( 문서 ): 아니요

• 분할 :

• 예 ( tfds.as_dataframe ):

trivia_qa/unfiltered.nocontext

• 구성 설명 : 주어진 질문에 대한 모든 문서에 답변 문자열이 포함되어 있지 않은 오픈 도메인 QA에 대한 110k 질문-답변 쌍. 이렇게 하면 필터링되지 않은 데이터 세트가 IR 스타일 QA에 더 적합합니다.

• 다운로드 크기 : 603.25 MiB

• 데이터 세트 크기 : 119.78 MiB

• 자동 캐시 ( 문서 ): 예

• 분할 :

• 예 ( tfds.as_dataframe ):