- Descrição :
Conjunto de dados tcheco de dados para texto no domínio do restaurante. As representações de significado de entrada contêm um tipo de ato de diálogo (informar, confirmar etc.), slots (comida, área etc.) e seus valores. Originou-se como uma tradução do conjunto de dados English San Francisco Restaurants de Wen et al. (2015).
Página inicial : https://github.com/UFAL-DSG/cs_restaurant_dataset
Código -fonte:
tfds.structured.cs_restaurants.CSRestaurants
Versões :
-
1.0.0
(padrão): sem notas de versão.
-
Tamanho do download :
1.40 MiB
Tamanho do conjunto de dados :
2.46 MiB
Cache automático ( documentação ): Sim
Divisões :
Dividir | Exemplos |
---|---|
'test' | 842 |
'train' | 3.569 |
'validation' | 781 |
- Estrutura de recursos :
FeaturesDict({
'delex_input_text': FeaturesDict({
'table': Sequence({
'column_header': string,
'content': string,
'row_number': int16,
}),
}),
'delex_target_text': string,
'input_text': FeaturesDict({
'table': Sequence({
'column_header': string,
'content': string,
'row_number': int16,
}),
}),
'target_text': string,
})
- Documentação do recurso:
Característica | Classe | Forma | Tipo D | Descrição |
---|---|---|---|---|
RecursosDict | ||||
delex_input_text | RecursosDict | |||
delex_input_text/tabela | Seqüência | |||
delex_input_text/table/column_header | tensor | corda | ||
delex_input_text/table/conteúdo | tensor | corda | ||
delex_input_text/table/row_number | tensor | int16 | ||
delex_target_text | tensor | corda | ||
Entrada de texto | RecursosDict | |||
texto_entrada/tabela | Seqüência | |||
input_text/table/column_header | tensor | corda | ||
texto_entrada/tabela/conteúdo | tensor | corda | ||
input_text/table/row_number | tensor | int16 | ||
texto_alvo | tensor | corda |
Chaves supervisionadas (consulte o documento
as_supervised
):('input_text', 'target_text')
Figura ( tfds.show_examples ): Não suportado.
Exemplos ( tfds.as_dataframe ):
- Citação :
@inproceedings{dusek_neural_2019,
author = {Dušek, Ondřej and Jurčíček, Filip},
title = {Neural {Generation} for {Czech}: {Data} and {Baselines} },
shorttitle = {Neural {Generation} for {Czech} },
url = {https://www.aclweb.org/anthology/W19-8670/},
urldate = {2019-10-18},
booktitle = {Proceedings of the 12th {International} {Conference} on {Natural} {Language} {Generation} ({INLG} 2019)},
month = oct,
address = {Tokyo, Japan},
year = {2019},
pages = {563--574},
abstract = {We present the first dataset targeted at end-to-end NLG in Czech in the restaurant domain, along with several strong baseline models using the sequence-to-sequence approach. While non-English NLG is under-explored in general, Czech, as a morphologically rich language, makes the task even harder: Since Czech requires inflecting named entities, delexicalization or copy mechanisms do not work out-of-the-box and lexicalizing the generated outputs is non-trivial. In our experiments, we present two different approaches to this this problem: (1) using a neural language model to select the correct inflected form while lexicalizing, (2) a two-step generation setup: our sequence-to-sequence model generates an interleaved sequence of lemmas and morphological tags, which are then inflected by a morphological generator.},
}