nlp datasets | BriefGPT - AI 论文速递

关键词nlp datasets

搜索结果 - 27

EMNLP数据集：自然语言处理社区的共享库
该研究论文探讨了一个名为 Datasets 的 NLP 数据集库，旨在通过标准化终端用户接口、版本控制和文档，为 NLP 研究人员提供一个小型数据集至互联网规模文集均能使用的轻量级前端，并采用分布式、社区驱动的方法添加数据集和记录使用情况。
PDF3 years ago
ACL利用项目反应理论比较测试数据集
本文通过 Item Response Theory 方法对 18 个预训练 Transformer 模型在 29 个 NLP 数据集上进行实验，结果显示 Quoref，HellaSwag 和 MC-TACO 数据集更适合用于区分最先进的 N
PDF3 years ago
将语言学家参与是否提高 NLU 数据收集的效果？
本研究以自然语言推理为测试案例，探究在众包数据收集过程中加入语言学家以动态地识别和解决数据中的漏洞和偏见是否有利于减轻偏见，提高数据的可靠性。对比了三种数据收集方案，发现加入语言学家对数据的挑战性的提高不会将数据的质量降低，并提出建议在数据
PDF3 years ago
通过同时建模多个偏差来提高问答的泛化性能
研究了消除数据集偏见的方法，并提出了一个能更好地在域内和域外数据集上提高性能的通用框架，可用于问答任务，并与现有的消除数据集偏见的方法进行了比较。
PDF4 years ago
ACL预训练转换器提高超出分布鲁棒性
本文通过构建具有现实分布变化的新的鲁棒性基准，系统地测量了七个 NLP 数据集的预训练 Transformers 的 OOD 泛化能力。研究结果表明，Pretrained Transformers 的性能下降显著较小，在检测异常或 OOD
PDF4 years ago
ICLR通过将英语数据作为转换点和自我训练生成未加监督的洋泾浜文本
该研究致力于使用自然语言生成技术，通过建立一个能够根据结构化数据自动生成皮钦英语描述的系统，填补皮钦英语机器翻译系统和相关自然语言处理数据集的空缺。通过训练以英文为目标语的数据文本生成系统，然后采用无监督的神经机器翻译技术和自我训练等方法，
PDF4 years ago
EMNLP我们在模拟任务还是模拟标注者？—— 自然语言理解数据集中标注者倾向的研究
本文通过实验展示了人群智力数据集在自然语言理解中的存在问题和缺陷，建议在数据集创建过程中监控注释者的偏见，测试集注释者应该与训练集注释者无交集。
PDF5 years ago