e2e_cleaned

説明:

クリーンな MR を含む E2E NLG チャレンジデータのアップデートリリース。 E2E データには、レストランドメインでの対話行為ベースの意味表現 (MR) と、予測が必要な自然言語での最大 5 つの参照が含まれています。

追加のドキュメント:コードを使用したペーパーの探索
ホームページ: https://github.com/tuetschek/e2e-cleaning
ソースコード: tfds.datasets.e2e_cleaned.Builder
バージョン:
- 0.1.0 (デフォルト): リリースノートはありません。
ダウンロードサイズ: 13.92 MiB
データセットのサイズ: 14.70 MiB
自動キャッシュ(ドキュメント): はい
スプリット:

スプリット	例
`'test'`	4,693
`'train'`	33,525
`'validation'`	4,299

機能構造:

FeaturesDict({
    'input_text': FeaturesDict({
        'table': Sequence({
            'column_header': string,
            'content': string,
            'row_number': int16,
        }),
    }),
    'target_text': string,
})

機能のドキュメント:

特徴	クラス	Dtype
	特徴辞書
入力テキスト	特徴辞書
入力テキスト/テーブル	順序
input_text/table/column_header	テンソル	ストリング
入力テキスト/テーブル/コンテンツ	テンソル	ストリング
入力テキスト/テーブル/行番号	テンソル	int16
target_text	テンソル	ストリング

監視キー( as_supervised docを参照): ('input_text', 'target_text')
図( tfds.show_examples ): サポートされていません。
例( tfds.as_dataframe ):

引用：

@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.",
}

e2e_cleaned コレクションでコンテンツを整理 必要に応じて、コンテンツの保存と分類を行います。

e2e_cleaned