somme de livres

Avertissement : téléchargement manuel requis. Voir les instructions ci-dessous.

• Descriptif :

BookSum : une collection d'ensembles de données pour le résumé narratif de forme longue

Cette implémentation ne prend actuellement en charge que les résumés de livres et de chapitres.

GitHub : https://github.com/salesforce/booksum

• Documentation complémentaire : Explorer sur Papers With Code

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

• Code source : tfds.datasets.booksum.Builder

• Versions :

  • 1.0.0 (par défaut) : version initiale.

• Taille du téléchargement : Unknown size

• Instructions de téléchargement manuel : cet ensemble de données nécessite que vous téléchargiez manuellement les données sources dans download_config.manual_dir (par défaut ~/tensorflow_datasets/downloads/manual/ ) :
  

  1) Accédez à https://github.com/salesforce/booksum et exécutez les étapes 1 à 3. Placez l'ensemble du projet booksum git dans le dossier manual. 2) Téléchargez les livres chapitrenés sur https://storage.cloud.google.com/sfr-books-dataset-chapters-research/all_chapterized_books.zip et décompressez-les dans le dossier du manuel.

Le dossier du manuel doit contenir les répertoires suivants :

- `booksum/`
- `all_chapterized_books/`

Remarque : Étant donné que l'ensemble de données BookSum est basé sur la disponibilité des données récupérées sur le Web et peut être incomplet, la méthode _generate_examples ignorera automatiquement les entrées manquantes.

• Mise en cache automatique ( documentation ): Oui (test, validation), Uniquement lorsque shuffle_files=False (train)

• Structure des fonctionnalités :

FeaturesDict({
    'document': Text(shape=(), dtype=string),
    'summary': Text(shape=(), dtype=string),
})

• Documentation des fonctionnalités :

Caractéristique	Classer	Forme	Dtype	La description
	FonctionnalitésDict
document	Texte		chaîne de caractères
sommaire	Texte		chaîne de caractères

• Clés supervisées (Voir as_supervised doc ): ('document', 'summary')

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

• Citation :

@article{kryscinski2021booksum,
      title={BookSum: A Collection of Datasets for Long-form Narrative Summarization},
      author={Wojciech Kry{\'s}ci{\'n}ski and Nazneen Rajani and Divyansh Agarwal and Caiming Xiong and Dragomir Radev},
      year={2021},
      eprint={2105.08209},
      archivePrefix={arXiv},
      primaryClass={cs.CL}
}

booksum/book (configuration par défaut)

• Description de la configuration : résumé au niveau du livre

• Taille du jeu de données : 208.81 MiB

• Fractionnements :

Diviser	Exemples
'test'	46
'train'	312
'validation'	45

• Exemples ( tfds.as_dataframe ):

livre/chapitre

• Description de la configuration : résumé au niveau du chapitre

• Taille du jeu de données : 216.71 MiB

• Fractionnements :

Diviser	Exemples
'test'	1 083
'train'	6 524
'validation'	891

• Exemples ( tfds.as_dataframe ):