cnn_dailymail

• توضیحات :

مجموعه داده های خلاصه سازی غیر ناشناس CNN/DailyMail.

دو ویژگی وجود دارد: - مقاله: متن مقاله خبری که به عنوان سندی برای خلاصه کردن استفاده می شود - نکات برجسته: متن پیوست شده نکات برجسته با و اطراف هر برجسته، که خلاصه هدف است.

• اسناد اضافی : کاوش در کاغذها با کد

• صفحه اصلی : https://github.com/abisee/cnn-dailymail

• کد منبع : tfds.summarization.CnnDailymail

• نسخه ها :

  • 1.0.0 : API تقسیم جدید ( https://tensorflow.org/datasets/splits )

  • 2.0.0 : جملات هدف را با خط جدید جدا کنید. (با پیش‌بینی مدل جداکننده‌های خط جدید، ارزیابی با استفاده از ROUGE در سطح خلاصه آسان‌تر می‌شود.)

  • 3.0.0 : استفاده از نسخه جعبه ای.

  • 3.1.0 : BuilderConfig حذف شد

  • 3.2.0 : قبل از اضافه شدن دوره جمله، فضای اضافی را حذف کنید. این نباید بر امتیازات ROUGE تأثیر بگذارد زیرا علائم نگارشی حذف شده است.

  • 3.3.0 : اضافه کردن ویژگی ناشر.

  • 3.4.0 (پیش فرض): افزودن ویژگی ID.

• حجم دانلود : 558.32 MiB

• حجم مجموعه داده : 1.29 GiB

• ذخیره خودکار ( اسناد ): خیر

• تقسیم ها :

شکاف	مثال ها
'test'	11,490
'train'	287,113
'validation'	13,368

• ساختار ویژگی :

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

• مستندات ویژگی :

ویژگی	کلاس	شکل	نوع D	شرح
	FeaturesDict
مقاله	متن		رشته
برجسته می کند	متن		رشته
شناسه	متن		رشته
ناشر	متن		رشته

• کلیدهای نظارت شده (نگاه کنید as_supervised doc ): ('article', 'highlights')

• شکل ( tfds.show_examples ): پشتیبانی نمی شود.

• مثال‌ها ( tfds.as_dataframe ):

• نقل قول :

@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}
}