ciekawostki_qa

• opis :

TriviaqQA to zbiór danych dotyczących czytania ze zrozumieniem, zawierający ponad 650 000 potrójnych pytań-odpowiedzi-dowodów. TriviaqQA obejmuje 95 000 par pytanie-odpowiedź autorstwa entuzjastów ciekawostek i niezależnie zebranych dokumentów dowodowych, średnio sześć na pytanie, które zapewniają wysokiej jakości zdalny nadzór nad odpowiadaniem na pytania.

• Dodatkowa dokumentacja : Przeglądaj dokumenty z kodem na north_east

• Strona główna : http://nlp.cs.washington.edu/triviaqa/

• Kod źródłowy : tfds.datasets.trivia_qa.Builder

• Wersje :

  • 1.1.0 (domyślnie): Brak informacji o wersji.

• Struktura funkcji :

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),
    }),
})

• Dokumentacja funkcji :

• Klucze nadzorowane (Zobacz dokument as_supervised ): None

• Rysunek ( tfds.show_examples ): Nieobsługiwany.

• Cytat :

@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 (domyślna konfiguracja)

• Opis konfiguracji : pary pytanie-odpowiedź, w których wszystkie dokumenty dla danego pytania zawierają ciągi odpowiedzi. Zawiera kontekst z Wikipedii i wyniki wyszukiwania.

• Rozmiar pliku do pobrania : 2.48 GiB

• Rozmiar zestawu danych : 14.99 GiB

• Automatyczne buforowanie ( dokumentacja ): Nie

• Podziały :

• Przykłady ( tfds.as_dataframe ):

trivia_qa/rc.nocontext

• Opis konfiguracji : pary pytanie-odpowiedź, w których wszystkie dokumenty dla danego pytania zawierają ciągi odpowiedzi.

• Rozmiar pliku do pobrania : 2.48 GiB

• Rozmiar zestawu danych : 196.84 MiB

• Automatyczne buforowanie ( dokumentacja ): Tak (test, walidacja), Tylko wtedy, gdy shuffle_files=False (pociąg)

• Podziały :

• Przykłady ( tfds.as_dataframe ):

trivia_qa/niefiltrowane

• Opis konfiguracji: 110 000 par pytanie-odpowiedź do kontroli jakości w domenie otwartej, w której nie wszystkie dokumenty dla danego pytania zawierają ciągi odpowiedzi. To sprawia, że ​​niefiltrowany zestaw danych jest bardziej odpowiedni dla QA w stylu IR. Zawiera kontekst z Wikipedii i wyniki wyszukiwania.

• Rozmiar pliku do pobrania : 3.07 GiB

• Rozmiar zestawu danych : 27.27 GiB

• Automatyczne buforowanie ( dokumentacja ): Nie

• Podziały :

• Przykłady ( tfds.as_dataframe ):

trivia_qa/unfiltered.nocontext

• Opis konfiguracji: 110 000 par pytanie-odpowiedź do kontroli jakości w domenie otwartej, w której nie wszystkie dokumenty dla danego pytania zawierają ciągi odpowiedzi. To sprawia, że ​​niefiltrowany zestaw danych jest bardziej odpowiedni dla QA w stylu IR.

• Rozmiar pliku do pobrania : 603.25 MiB

• Rozmiar zestawu danych : 119.78 MiB

• Automatyczne buforowanie ( dokumentacja ): Tak

• Podziały :

• Przykłady ( tfds.as_dataframe ):

• opis :

TriviaqQA to zbiór danych dotyczących czytania ze zrozumieniem, zawierający ponad 650 000 potrójnych pytań-odpowiedzi-dowodów. TriviaqQA obejmuje 95 000 par pytanie-odpowiedź autorstwa entuzjastów ciekawostek i niezależnie zebranych dokumentów dowodowych, średnio sześć na pytanie, które zapewniają wysokiej jakości zdalny nadzór nad odpowiadaniem na pytania.

• Dodatkowa dokumentacja : Przeglądaj dokumenty z kodem na north_east

• Strona główna : http://nlp.cs.washington.edu/triviaqa/

• Kod źródłowy : tfds.datasets.trivia_qa.Builder

• Wersje :

  • 1.1.0 (domyślnie): Brak informacji o wersji.

• Struktura funkcji :

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),
    }),
})

• Dokumentacja funkcji :

• Klucze nadzorowane (Zobacz dokument as_supervised ): None

• Rysunek ( tfds.show_examples ): Nieobsługiwany.

• Cytat :

@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 (domyślna konfiguracja)

• Opis konfiguracji : pary pytanie-odpowiedź, w których wszystkie dokumenty dla danego pytania zawierają ciągi odpowiedzi. Zawiera kontekst z Wikipedii i wyniki wyszukiwania.

• Rozmiar pliku do pobrania : 2.48 GiB

• Rozmiar zestawu danych : 14.99 GiB

• Automatyczne buforowanie ( dokumentacja ): Nie

• Podziały :

• Przykłady ( tfds.as_dataframe ):

trivia_qa/rc.nocontext

• Opis konfiguracji : pary pytanie-odpowiedź, w których wszystkie dokumenty dla danego pytania zawierają ciągi odpowiedzi.

• Rozmiar pliku do pobrania : 2.48 GiB

• Rozmiar zestawu danych : 196.84 MiB

• Automatyczne buforowanie ( dokumentacja ): Tak (test, walidacja), Tylko wtedy, gdy shuffle_files=False (pociąg)

• Podziały :

• Przykłady ( tfds.as_dataframe ):

trivia_qa/niefiltrowane

• Opis konfiguracji: 110 000 par pytanie-odpowiedź do kontroli jakości w domenie otwartej, w której nie wszystkie dokumenty dla danego pytania zawierają ciągi odpowiedzi. To sprawia, że ​​niefiltrowany zestaw danych jest bardziej odpowiedni dla QA w stylu IR. Zawiera kontekst z Wikipedii i wyniki wyszukiwania.

• Rozmiar pliku do pobrania : 3.07 GiB

• Rozmiar zestawu danych : 27.27 GiB

• Automatyczne buforowanie ( dokumentacja ): Nie

• Podziały :

• Przykłady ( tfds.as_dataframe ):

trivia_qa/unfiltered.nocontext

• Opis konfiguracji: 110 000 par pytanie-odpowiedź do kontroli jakości w domenie otwartej, w której nie wszystkie dokumenty dla danego pytania zawierają ciągi odpowiedzi. To sprawia, że ​​niefiltrowany zestaw danych jest bardziej odpowiedni dla QA w stylu IR.

• Rozmiar pliku do pobrania : 603.25 MiB

• Rozmiar zestawu danych : 119.78 MiB

• Automatyczne buforowanie ( dokumentacja ): Tak

• Podziały :

• Przykłady ( tfds.as_dataframe ):