asqa

• Description :

ASQA est le premier ensemble de données de questions-réponses longues qui se concentre sur des questions factuelles ambiguës. Contrairement aux précédents ensembles de données de réponses longues, chaque question est annotée à la fois avec des réponses longues et des paires question-réponse extractives, auxquelles il faut répondre par le passage généré. Une réponse longue générée sera évaluée en utilisant à la fois la précision ROUGE et QA. Nous avons montré que ces mesures d'évaluation étaient bien corrélées au jugement humain. Dans ce référentiel, nous publions l'ensemble de données ASQA, ainsi que le code d'évaluation : <a href="https://github.com/google-research/language/tree/master/language/asqa">https://github.com/google-research/language/tree/master/language/asqa</a>

• Page d'accueil : https://github.com/google-research/langue/tree/master/langue/asqa

• Code source : tfds.datasets.asqa.Builder

• Versions :

  • 1.0.0 : Version initiale.
  • 2.0.0 (par défaut) nights_stay : l'ID de l'échantillon passe de int32 (débordant) à int64.

• Taille du téléchargement : 17.86 MiB

• Taille de l'ensemble de données : 14.51 MiB

• Mise en cache automatique ( documentation ) : Oui

• Divisions :

• Structure des fonctionnalités :

FeaturesDict({
    'ambiguous_question': Text(shape=(), dtype=string),
    'annotations': Sequence({
        'knowledge': Sequence({
            'content': Text(shape=(), dtype=string),
            'wikipage': Text(shape=(), dtype=string),
        }),
        'long_answer': Text(shape=(), dtype=string),
    }),
    'qa_pairs': Sequence({
        'context': Text(shape=(), dtype=string),
        'question': Text(shape=(), dtype=string),
        'short_answers': Sequence(Text(shape=(), dtype=string)),
        'wikipage': Text(shape=(), dtype=string),
    }),
    'sample_id': int64,
    'wikipages': Sequence({
        'title': Text(shape=(), dtype=string),
        'url': Text(shape=(), dtype=string),
    }),
})

• Documentation des fonctionnalités :

• Clés supervisées (Voir doc as_supervised ) : None

• Figure ( tfds.show_examples ) : non pris en charge.

• Exemples ( tfds.as_dataframe ) :

• Citation :

@misc{https://doi.org/10.48550/arxiv.2204.06092,
doi = {10.48550/ARXIV.2204.06092},
url = {https://arxiv.org/abs/2204.06092},
author = {Stelmakh, Ivan and Luan, Yi and Dhingra, Bhuwan and Chang, Ming-Wei},
keywords = {Computation and Language (cs.CL), FOS: Computer and information sciences, FOS: Computer and information sciences},
title = {ASQA: Factoid Questions Meet Long-Form Answers},
publisher = {arXiv},
year = {2022},
copyright = {arXiv.org perpetual, non-exclusive license}
}