cnn_dailymail

• opis :

CNN/DailyMail nieanonimizowany zbiór danych podsumowujących.

Istnieją dwie funkcje: - artykuł: tekst artykułu informacyjnego, używany jako dokument do podsumowania - wyróżnienia: połączony tekst wyróżnień z i wokół każdego wyróżnienia, który jest podsumowaniem docelowym

• Dodatkowa dokumentacja : Przeglądaj dokumenty z kodem na

• Strona główna : https://github.com/abisee/cnn-dailymail

• Kod źródłowy : tfds.summarization.CnnDailymail

• Wersje :

  • 1.0.0 : Nowy podzielony interfejs API ( https://tensorflow.org/datasets/splits )

  • 2.0.0 : Oddziel zdania docelowe za pomocą nowej linii. (Posiadanie przez model przewidywania separatorów nowej linii ułatwia ocenę przy użyciu ROUGE na poziomie podsumowania).

  • 3.0.0 : Korzystanie z wersji z obudową.

  • 3.1.0 : Usunięto BuilderConfig

  • 3.2.0 : Usuń dodatkową spację przed dodaną kropką. Nie powinno to wpłynąć na wyniki ROUGE, ponieważ usunięto interpunkcję.

  • 3.3.0 : Dodaj funkcję wydawcy.

  • 3.4.0 (domyślnie): Dodaj funkcję identyfikatora.

• Rozmiar pliku do pobrania : 558.32 MiB

• Rozmiar zestawu danych : 1.29 GiB

• Automatyczne buforowanie ( dokumentacja ): Nie

• Podziały :

Rozdzielać	Przykłady
'test'	11490
'train'	287113
'validation'	13368

• Struktura funkcji :

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

• Dokumentacja funkcji :

Funkcja	Klasa	Kształt	Typ D	Opis
	FunkcjeDict
artykuł	Tekst		strunowy
przegląd najważniejszych wydarzeń	Tekst		strunowy
ID	Tekst		strunowy
wydawca	Tekst		strunowy

• Nadzorowane klucze (Zobacz as_supervised doc ): ('article', 'highlights')

• Rysunek ( tfds.show_examples ): Nieobsługiwany.

• Przykłady ( tfds.as_dataframe ):

• Cytat :

@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}
}