bucc

• Deskripsi :

Mengidentifikasi kalimat paralel dalam kumpulan yang sebanding. Diberikan dua korpora monolingual yang dipisahkan kalimat, sistem peserta diharapkan dapat mengidentifikasi pasangan kalimat yang merupakan terjemahan satu sama lain.

Tugas penambangan BUCC adalah tugas bersama pada ekstraksi kalimat paralel dari dua korpora monolingual dengan subset dari mereka dianggap paralel, dan itu telah tersedia sejak 2016. Untuk setiap pasangan bahasa, tugas bersama menyediakan korpus monolingual untuk setiap bahasa dan daftar pemetaan emas yang berisi pasangan terjemahan yang sebenarnya. Pasangan ini adalah kebenaran dasar. Tugasnya adalah membuat daftar pasangan terjemahan dari korpora monolingual. Daftar yang dibangun dibandingkan dengan kebenaran dasar, dan dievaluasi dalam ukuran F1.

• Beranda : https://comparable.limsi.fr/bucc2018/

• Kode sumber : tfds.datasets.bucc.Builder

• Versi :

  • 1.0.0 (default): Rilis awal.

• Di-cache otomatis ( dokumentasi ): Ya

• Struktur fitur :

FeaturesDict({
    'source_id': Text(shape=(), dtype=string),
    'source_sentence': Text(shape=(), dtype=string),
    'target_id': Text(shape=(), dtype=string),
    'target_sentence': Text(shape=(), dtype=string),
})

• Dokumentasi fitur :

Fitur	Kelas	Membentuk	Dtype	Keterangan
	fiturDict
source_id	Teks		rangkaian
sumber_kalimat	Teks		rangkaian
target_id	Teks		rangkaian
target_kalimat	Teks		rangkaian

• Kunci yang diawasi (Lihat as_supervised doc ): None

• Gambar ( tfds.show_examples ): Tidak didukung.

• Kutipan :

@inproceedings{zweigenbaum2018overview,
  title={Overview of the third BUCC shared task: Spotting parallel sentences  in comparable corpora},
  author={Zweigenbaum, Pierre and Sharoff, Serge and Rapp, Reinhard},
  booktitle={Proceedings of 11th Workshop on Building and Using Comparable Corpora},
  pages={39--42},
  year={2018}
}

bucc/bucc_de (konfigurasi default)

• Ukuran unduhan : 29.30 MiB

• Ukuran dataset : 3.21 MiB

• Perpecahan :

Membelah	Contoh
'test'	9.580
'validation'	1.038

• Contoh ( tfds.as_dataframe ):

bucc/bucc_fr

• Ukuran unduhan : 21.65 MiB

• Ukuran dataset : 2.90 MiB

• Perpecahan :

Membelah	Contoh
'test'	9.086
'validation'	929

• Contoh ( tfds.as_dataframe ):

bucc/bucc_zh

• Ukuran unduhan : 6.79 MiB

• Ukuran dataset : 615.20 KiB

• Perpecahan :

Membelah	Contoh
'test'	1.899
'validation'	257

• Contoh ( tfds.as_dataframe ):

bucc/bucc_ru

• Ukuran unduhan : 39.44 MiB

• Ukuran dataset : 6.36 MiB

• Perpecahan :

Membelah	Contoh
'test'	14.435
'validation'	2.374

• Contoh ( tfds.as_dataframe ):