文件名称:eraserbenchmark:理解和评估基本原理的基准
文件大小:70KB
文件格式:ZIP
更新时间:2024-05-25 09:31:26
Python
擦除基准 理解和评估基本原理的基准: : 核心文件 核心文件是和。 这两个文件包含使用我们发布的数据集所需的一切。 记录了您需要了解的有关我们输入格式的所有信息。 涵盖了输出格式和验证代码。 楷模 目前,我们提供两种形式的管道模型: (Lehman,et al。,2019)-句子层次的基本原理识别,然后采用最佳结果句子并对其进行分类。 该流水线的两个部分都通过对输入语句进行编码(通过GRU),参与(以查询向量为条件)并进行分类而起作用。 BERT到BERT-与上述相同,但使用的是BERT模型。 (Lehman等人,2019)管道 要运行此模型,我们需要首先: 创建一个model_components , data和output目录 从下载GloVe向量,并将200维向量提取到model_components 将下载到model_components 设置符合要求的虚拟环境
【文件预览】:
eraserbenchmark-master
----rationale_benchmark()
--------models()
--------utils.py(8KB)
--------metrics.py(37KB)
--------__init__.py(0B)
----REPRODUCTION.txt(4KB)
----LICENSE(11KB)
----params()
--------multirc_baas.json(610B)
--------movies_soft.json(482B)
--------evidence_inference.json(686B)
--------boolq_soft.json(485B)
--------boolq_bert.json(798B)
--------fever.json(629B)
--------fever_soft.json(492B)
--------multirc.json(623B)
--------movies.json(620B)
--------movies_bert.json(795B)
--------cose_bert.json(808B)
--------fever_bert.json(810B)
--------esnli_bert.json(772B)
--------boolq.json(621B)
--------multirc_bert.json(798B)
--------movies_baas.json(607B)
--------fever_baas.json(615B)
--------evidence_inference_bert.json(906B)
--------boolq_baas.json(610B)
--------multirc_soft.json(485B)
--------evidence_inference_soft.json(582B)
----requirements.txt(193B)
----.gitignore(1KB)
----README.md(3KB)
----data_exploration.ipynb(12KB)