c4_wsrs

• Deskripsi :

Kumpulan data ekspansi singkatan medis yang menerapkan substitusi balik skala web (wsrs) ke kumpulan data C4, yang merupakan versi kolosal dan bersih dari korpus perayapan web Common Crawl.

Sumber aslinya adalah kumpulan data Perayapan Umum: https://commoncrawl.org

• Deskripsi konfigurasi : Dataset C4-WSRS default.

• Beranda : https://github.com/google-research/google-research/tree/master/deciphering_clinical_abbreviations

• Kode sumber : tfds.text.c4_wsrs.C4WSRS

• Versi :

  • 1.0.0 (default): Rilis awal.

• Ukuran unduhan : 143.01 KiB

• Ukuran dataset : 5.84 GiB

• Di-cache otomatis ( dokumentasi ): Tidak

• Perpecahan :

Membelah	Contoh
'train'	9.575.852
'validation'	991.422

• Struktur fitur :

FeaturesDict({
    'abbreviated_snippet': Text(shape=(), dtype=string),
    'original_snippet': Text(shape=(), dtype=string),
})

• Dokumentasi fitur :

Fitur	Kelas	Membentuk	Dtype	Keterangan
	fiturDict
disingkat_cuplikan	Teks		rangkaian
cuplikan_asli	Teks		rangkaian

• Kunci yang diawasi (Lihat as_supervised doc ): None

• Gambar ( tfds.show_examples ): Tidak didukung.

• Contoh ( tfds.as_dataframe ):

• Kutipan :

c4_wsrs/default (konfigurasi default)