c4_wsrs

• Descrição :

Um conjunto de dados de expansão de abreviação médica que aplica substituição reversa em escala da web (wsrs) ao conjunto de dados C4, que é uma versão colossal e limpa do corpus de rastreamento da web do Common Crawl.

A fonte original é o conjunto de dados Common Crawl: https://commoncrawl.org

• Descrição da configuração : Conjunto de dados C4-WSRS padrão.

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

• Código -fonte: tfds.text.c4_wsrs.C4WSRS

• Versões :

  • 1.0.0 (padrão): versão inicial.

• Tamanho do download : 143.01 KiB

• Tamanho do conjunto de dados : 5.84 GiB

• Armazenado em cache automaticamente ( documentação ): Não

• Divisões :

Dividir	Exemplos
'train'	9.575.852
'validation'	991.422

• Estrutura de recursos :

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

• Documentação do recurso:

Funcionalidade	Aula	Forma	Tipo D	Descrição
	RecursosDict
trecho_abreviado	Texto		fragmento
fragmento_original	Texto		fragmento

• Chaves supervisionadas (Consulte as_supervised doc ): None

• Figura ( tfds.show_examples ): Não compatível.

• Exemplos ( tfds.as_dataframe ):

• Citação :

c4_wsrs/default (configuração padrão)