doc_nli

• Descriptif :

DocNLI est un ensemble de données à grande échelle pour l'inférence du langage naturel (NLI) au niveau du document. DocNLI est transformé à partir d'un large éventail de problèmes de PNL et couvre plusieurs genres de texte. Les prémisses restent toujours dans la granularité du document, tandis que les hypothèses varient en longueur, allant de phrases simples à des passages de centaines de mots. Contrairement à certains ensembles de données NLI existants au niveau de la phrase, DocNLI a des artefacts assez limités.

• Documentation complémentaire : Explorer sur Papers With Code north_east

• Page d' accueil : https://github.com/salesforce/DocNLI/

• Code source : tfds.text.docnli.DocNLI

• Versions :

  • 1.0.0 (par défaut) : version initiale.

• Taille du téléchargement : 313.89 MiB

• Taille du jeu de données : 3.07 GiB

• Mise en cache automatique ( documentation ): Non

• Fractionnements :

• Structure des fonctionnalités :

FeaturesDict({
    'hypothesis': Text(shape=(), dtype=string),
    'label': ClassLabel(shape=(), dtype=int64, num_classes=2),
    'premise': Text(shape=(), dtype=string),
})

• Documentation des fonctionnalités :

• Clés supervisées (Voir as_supervised doc ): None

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

• Exemples ( tfds.as_dataframe ):

• Citation :

@inproceedings{yin-etal-2021-docnli,
    title={DocNLI: A Large-scale Dataset for Document-level Natural Language Inference},
    author={Wenpeng Yin and Dragomir Radev and Caiming Xiong},
    booktitle = "Findings of the Association for Computational Linguistics: ACL-IJCNLP 2021",
    month = aug,
    year = "2021",
    address = "Bangkok, Thailand",
    publisher = "Association for Computational Linguistics",
}