e2e_cleaned

• توضیحات :

انتشار به‌روزرسانی داده‌های چالش E2E NLG با MRهای تمیز شده. داده‌های E2E شامل بازنمایی معنا مبتنی بر گفت‌وگو (MR) در حوزه رستوران و حداکثر 5 مرجع به زبان طبیعی است که باید پیش‌بینی کرد.

• اسناد اضافی : کاوش در کاغذها با کد

• صفحه اصلی : https://github.com/tuetschek/e2e-cleaning

• کد منبع : tfds.datasets.e2e_cleaned.Builder

• نسخه ها :

  • 0.1.0 (پیش فرض): بدون یادداشت انتشار.

• حجم دانلود : 13.92 MiB

• حجم مجموعه داده : 14.70 MiB

• ذخیره خودکار ( اسناد ): بله

• تقسیم ها :

شکاف	مثال ها
'test'	4693
'train'	33,525
'validation'	4299

• ساختار ویژگی :

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

• مستندات ویژگی :

ویژگی	کلاس	شکل	نوع D	شرح
	FeaturesDict
متن ورودی	FeaturesDict
input_text/table	توالی
input_text/table/column_header	تانسور		رشته
input_text/table/content	تانسور		رشته
input_text/table/row_number	تانسور		int16
هدف_متن	تانسور		رشته

• کلیدهای نظارت شده (مشاهده به as_supervised ): ('input_text', 'target_text')

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

• مثال‌ها ( tfds.as_dataframe ):

• نقل قول :

@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.",
}