e2e_cleaned

• Descrição :

Uma versão atualizada dos dados do E2E NLG Challenge com MRs limpos. Os dados E2E contêm representação de significado baseada em ato de diálogo (MR) no domínio do restaurante e até 5 referências em linguagem natural, que é o que é preciso prever.

• Documentação Adicional : Explore em Papers With Code

• Página inicial : https://github.com/tuetschek/e2e-cleaning

• Código -fonte: tfds.datasets.e2e_cleaned.Builder

• Versões :

  • 0.1.0 (padrão): sem notas de versão.

• Tamanho do download : 13.92 MiB

• Tamanho do conjunto de dados : 14.70 MiB

• Cache automático ( documentação ): Sim

• Divisões :

Dividir	Exemplos
'test'	4.693
'train'	33.525
'validation'	4.299

• Estrutura de recursos :

FeaturesDict({
    '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
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 compatível.

• Exemplos ( tfds.as_dataframe ):

• Citação :

@inproceedings{dusek-etal-2019-semantic,
    title = "Semantic Noise Matters for Neural Natural Language Generation",
    author = "Du{\v{s} }ek, Ond{\v{r} }ej  and
      Howcroft, David M.  and
      Rieser, Verena",
    booktitle = "Proceedings of the 12th International Conference on Natural Language Generation",
    month = oct # "{--}" # nov,
    year = "2019",
    address = "Tokyo, Japan",
    publisher = "Association for Computational Linguistics",
    url = "https://www.aclweb.org/anthology/W19-8652",
    doi = "10.18653/v1/W19-8652",
    pages = "421--426",
    abstract = "Neural natural language generation (NNLG) systems are known for their pathological outputs, i.e. generating text which is unrelated to the input specification. In this paper, we show the impact of semantic noise on state-of-the-art NNLG models which implement different semantic control mechanisms. We find that cleaned data can improve semantic correctness by up to 97{\%}, while maintaining fluency. We also find that the most common error is omitting information, rather than hallucination.",
}