gran_patente

• Descripción :

BIGPATENT, que consta de 1,3 millones de registros de documentos de patentes estadounidenses junto con resúmenes abstractos escritos por humanos. Cada solicitud de patente estadounidense se presenta bajo un código de Clasificación Cooperativa de Patentes (CPC). Hay nueve categorías de clasificación de este tipo: A (Necesidades humanas), B (Operaciones realizadas, Transporte), C (Química, Metalurgia), D (Textiles, Papel), E (Construcciones fijas), F (Ingeniería mecánica, Iluminación, Calefacción; Armas; Voladura), G (Física), H (Electricidad) e Y (Etiquetado general de tecnología nueva o transversal)

Hay dos características: - descripción: descripción detallada de la patente. - resumen: resumen de patente.

• Documentación adicional : Explore en Papers With Code

• Página de inicio: https://evasharma.github.io/bigpatent/

• Código fuente : tfds.datasets.big_patent.Builder

• Versiones :

  • 1.0.0 : palabras tokenizadas en minúsculas
  • 2.0.0 : Actualización para usar cadenas sin procesar en mayúsculas y minúsculas
  • 2.1.2 (predeterminado): corrige la actualización de las cadenas sin procesar en mayúsculas y minúsculas.

• Tamaño de descarga : 9.45 GiB

• Almacenamiento automático en caché ( documentación ): No

• Estructura de características :

FeaturesDict({
    'abstract': Text(shape=(), dtype=string),
    'description': Text(shape=(), dtype=string),
})

• Documentación de características :

Rasgo	Clase	Forma	Tipo D	Descripción
	CaracterísticasDict
resumen	Texto		cuerda
descripción	Texto		cuerda

• Claves supervisadas (Ver as_supervised ): ('description', 'abstract')

• Figura ( tfds.show_examples ): no compatible.

• Cita :

@misc{sharma2019bigpatent,
    title={BIGPATENT: A Large-Scale Dataset for Abstractive and Coherent Summarization},
    author={Eva Sharma and Chen Li and Lu Wang},
    year={2019},
    eprint={1906.03741},
    archivePrefix={arXiv},
    primaryClass={cs.CL}
}

big_patent/all (configuración predeterminada)

• Descripción de la configuración : Patentes en todas las categorías.

• Tamaño del conjunto de datos : 35.17 GiB

• Divisiones :

Separar	Ejemplos
'test'	67,072
'train'	1,207,222
'validation'	67,068

• Ejemplos ( tfds.as_dataframe ):

gran_patente/a

• Descripción de la configuración : Patentes según la Clasificación cooperativa de patentes (CPC)a: Necesidades humanas

• Tamaño del conjunto de datos : 5.16 GiB

• Divisiones :

Separar	Ejemplos
'test'	9,675
'train'	174,134
'validation'	9,674

• Ejemplos ( tfds.as_dataframe ):

patente_grande/b

• Descripción de la configuración : Patentes bajo la Clasificación Cooperativa de Patentes (CPC)b: Realización de Operaciones; Transporte

• Tamaño del conjunto de datos : 4.06 GiB

• Divisiones :

Separar	Ejemplos
'test'	8,974
'train'	161,520
'validation'	8,973

• Ejemplos ( tfds.as_dataframe ):

gran_patente/c

• Descripción de la configuración : Patentes bajo Clasificación Cooperativa de Patentes (CPC)c: Química; Metalurgia

• Tamaño del conjunto de datos : 3.63 GiB

• Divisiones :

Separar	Ejemplos
'test'	5,614
'train'	101,042
'validation'	5,613

• Ejemplos ( tfds.as_dataframe ):

patente_grande/d

• Descripción de la configuración : Patentes bajo Clasificación Cooperativa de Patentes (CPC)d: Textiles; Papel

• Tamaño del conjunto de datos : 255.56 MiB

• Divisiones :

Separar	Ejemplos
'test'	565
'train'	10,164
'validation'	565

• Ejemplos ( tfds.as_dataframe ):

gran_patente/e

• Descripción de la configuración : Patentes bajo la Clasificación Cooperativa de Patentes (CPC)e: Construcciones Fijas

• Tamaño del conjunto de datos : 871.40 MiB

• Divisiones :

Separar	Ejemplos
'test'	1,914
'train'	34,443
'validation'	1,914

• Ejemplos ( tfds.as_dataframe ):

gran_patente/f

• Descripción de la configuración : Patentes bajo Clasificación Cooperativa de Patentes (CPC)f: Ingeniería Mecánica; Relámpago; Calefacción; armas; Voladura

• Tamaño del conjunto de datos : 2.06 GiB

• Divisiones :

Separar	Ejemplos
'test'	4,754
'train'	85,568
'validation'	4,754

• Ejemplos ( tfds.as_dataframe ):

gran_patente/g

• Descripción de la configuración : Patentes bajo Clasificación Cooperativa de Patentes (CPC)g: Física

• Tamaño del conjunto de datos : 8.19 GiB

• Divisiones :

Separar	Ejemplos
'test'	14,386
'train'	258,935
'validation'	14,385

• Ejemplos ( tfds.as_dataframe ):

gran_patente/h

• Descripción de la configuración : Patentes bajo la Clasificación Cooperativa de Patentes (CPC)h: Electricidad

• Tamaño del conjunto de datos : 7.50 GiB

• Divisiones :

Separar	Ejemplos
'test'	14,279
'train'	257,019
'validation'	14,279

• Ejemplos ( tfds.as_dataframe ):

gran_patente/año

• Descripción de configuración : Patentes bajo Clasificación Cooperativa de Patentes (CPC) y: Etiquetado general de tecnología nueva o transversal

• Tamaño del conjunto de datos : 3.46 GiB

• Divisiones :

Separar	Ejemplos
'test'	6,911
'train'	124,397
'validation'	6,911

• Ejemplos ( tfds.as_dataframe ):