cnn_dailymail

• الوصف :

مجموعة بيانات CNN / DailyMail غير مجهولة المصدر.

هناك ميزتان: - مقال: نص مقال إخباري ، يستخدم كمستند يتم تلخيصه - أبرز الملامح: نص مرتبط بالتمييز مع كل تمييز وحوله ، وهو الملخص المستهدف

• وثائق إضافية : استكشف في الأوراق باستخدام الرمز

• الصفحة الرئيسية : https://github.com/abisee/cnn-dailymail

• كود المصدر : tfds.summarization.CnnDailymail

• إصدارات :

  • 1.0.0 : تقسيم API الجديد ( https://tensorflow.org/datasets/splits )

  • 2.0.0 : فصل الجمل الهدف مع سطر جديد. (إن وجود النموذج يتنبأ بفواصل الأسطر الجديدة يجعل من السهل التقييم باستخدام ROUGE على مستوى الملخص.)

  • 3.0.0 : استخدام الإصدار المغلف.

  • 3.1.0 : إزالة BuilderConfig

  • 3.2.0 : إزالة المسافة الزائدة قبل فترة الجملة المضافة. لا ينبغي أن يؤثر هذا على نتائج ROUGE لأنه تمت إزالة علامات الترقيم.

  • 3.3.0 : إضافة ميزة الناشر.

  • 3.4.0 (افتراضي): إضافة ميزة معرف.

• حجم التحميل : 558.32 MiB

• حجم مجموعة البيانات : 1.29 GiB

• التخزين المؤقت التلقائي ( التوثيق ): لا

• الانقسامات :

انشق، مزق	أمثلة
'test'	11.490
'train'	287113
'validation'	13368

• هيكل الميزة :

FeaturesDict({
    'article': Text(shape=(), dtype=string),
    'highlights': Text(shape=(), dtype=string),
    'id': Text(shape=(), dtype=string),
    'publisher': Text(shape=(), dtype=string),
})

• وثائق الميزة :

ميزة	فصل	شكل	نوع	وصف
	الميزات
مقالة - سلعة	نص		سلسلة
يسلط الضوء	نص		سلسلة
هوية شخصية	نص		سلسلة
الناشر	نص		سلسلة

• المفاتيح الخاضعة للإشراف (راجع المستند as_supervised ): ('article', 'highlights')

• الشكل ( tfds.show_examples ): غير مدعوم.

• أمثلة ( tfds.as_dataframe ):

• الاقتباس :

@article{DBLP:journals/corr/SeeLM17,
  author    = {Abigail See and
               Peter J. Liu and
               Christopher D. Manning},
  title     = {Get To The Point: Summarization with Pointer-Generator Networks},
  journal   = {CoRR},
  volume    = {abs/1704.04368},
  year      = {2017},
  url       = {http://arxiv.org/abs/1704.04368},
  archivePrefix = {arXiv},
  eprint    = {1704.04368},
  timestamp = {Mon, 13 Aug 2018 16:46:08 +0200},
  biburl    = {https://dblp.org/rec/bib/journals/corr/SeeLM17},
  bibsource = {dblp computer science bibliography, https://dblp.org}
}

@inproceedings{hermann2015teaching,
  title={Teaching machines to read and comprehend},
  author={Hermann, Karl Moritz and Kocisky, Tomas and Grefenstette, Edward and Espeholt, Lasse and Kay, Will and Suleyman, Mustafa and Blunsom, Phil},
  booktitle={Advances in neural information processing systems},
  pages={1693--1701},
  year={2015}
}