cosmo_qa

• Descrizione :

Cosmos QA è un set di dati su larga scala di 35,6K problemi che richiedono una comprensione della lettura basata sul buon senso, formulati come domande a scelta multipla. Si concentra sulla lettura tra le righe di una raccolta diversificata di narrazioni quotidiane delle persone, ponendo domande riguardanti le probabili cause o effetti di eventi che richiedono un ragionamento al di là delle esatte estensioni del testo nel contesto.

• Documentazione aggiuntiva : Esplora documenti con codice north_east

• Pagina iniziale : https://wilburone.github.io/cosmos/

• Codice sorgente : tfds.question_answering.CosmosQA

• Versioni :

  • 1.0.0 (impostazione predefinita): nessuna nota di rilascio.

• Dimensione del download : 23.27 MiB

• Dimensione del set di dati: 27.09 MiB

• Auto-cache ( documentazione ): Sì

• Divisioni :

• Struttura delle caratteristiche :

FeaturesDict({
    'answer0': Text(shape=(), dtype=string),
    'answer1': Text(shape=(), dtype=string),
    'answer2': Text(shape=(), dtype=string),
    'answer3': Text(shape=(), dtype=string),
    'context': Text(shape=(), dtype=string),
    'id': Text(shape=(), dtype=string),
    'label': ClassLabel(shape=(), dtype=int64, num_classes=4),
    'question': Text(shape=(), dtype=string),
})

• Documentazione delle funzionalità :

• Chiavi supervisionate (Vedi as_supervised doc ): None

• Figura ( tfds.show_examples ): non supportato.

• Esempi ( tfds.as_dataframe ):

• Citazione :

@inproceedings{huang-etal-2019-cosmos,
    title = "Cosmos {QA}: Machine Reading Comprehension with Contextual Commonsense Reasoning",
    author = "Huang, Lifu  and
      Le Bras, Ronan  and
      Bhagavatula, Chandra  and
      Choi, Yejin",
    booktitle = "Proceedings of the 2019 Conference on Empirical Methods in Natural Language Processing and the 9th International Joint Conference on Natural Language Processing (EMNLP-IJCNLP)",
    year = "2019",
    url = "https://www.aclweb.org/anthology/D19-1243"
}