c4_wsrs

• Descriptif :

Un ensemble de données d'extension d'abréviations médicales qui applique la substitution inverse à l'échelle du Web (wsrs) à l'ensemble de données C4, qui est une version colossale et nettoyée du corpus d'exploration Web de Common Crawl.

La source originale est le jeu de données Common Crawl : https://commoncrawl.org

• Description de la configuration : jeu de données C4-WSRS par défaut.

• Page d' accueil : https://github.com/google-research/google-research/tree/master/deciphering_clinical_abbreviations

• Code source : tfds.text.c4_wsrs.C4WSRS

• Versions :

  • 1.0.0 (par défaut) : version initiale.

• Taille du téléchargement : 143.01 KiB

• Taille du jeu de données : 5.84 GiB

• Mise en cache automatique ( documentation ): Non

• Fractionnements :

Diviser	Exemples
'train'	9 575 852
'validation'	991 422

• Structure des fonctionnalités :

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

• Documentation des fonctionnalités :

Caractéristique	Classe	Façonner	Dtype	Description
	FonctionnalitésDict
extrait_abrégé	Texte		chaîne de caractères
original_snippet	Texte		chaîne de caractères

• Clés supervisées (Voir as_supervised doc ): None

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

• Exemples ( tfds.as_dataframe ):

• Citation :

c4_wsrs/default (configuration par défaut)