flores

• Descripción :

Conjuntos de datos de evaluación para traducción automática de bajos recursos: nepalí-inglés y cingalés-inglés.

• Documentación adicional : Explore en Papers With Code

• Página de inicio: https://github.com/facebookresearch/flores/

• Código fuente : tfds.translate.Flores

• Versiones :

  • 1.2.0 (predeterminado): Sin notas de la versión.

• Tamaño de descarga : 1.47 MiB

• Almacenamiento automático en caché ( documentación ): Sí

• Figura ( tfds.show_examples ): no compatible.

• Cita :

@misc{guzmn2019new,
    title={Two New Evaluation Datasets for Low-Resource Machine Translation: Nepali-English and Sinhala-English},
    author={Francisco Guzman and Peng-Jen Chen and Myle Ott and Juan Pino and Guillaume Lample and Philipp Koehn and Vishrav Chaudhary and Marc'Aurelio Ranzato},
    year={2019},
    eprint={1902.01382},
    archivePrefix={arXiv},
    primaryClass={cs.CL}
}

flores/neen (configuración predeterminada)

• Descripción de la configuración : conjunto de datos de traducción de ne a en.

• Tamaño del conjunto de datos : 1.89 MiB

• Divisiones :

Separar	Ejemplos
'test'	2,835
'validation'	2,559

• Estructura de características :

Translation({
    'en': Text(shape=(), dtype=string),
    'ne': Text(shape=(), dtype=string),
})

• Documentación de características :

Rasgo	Clase	Forma	Tipo D	Descripción
	Traducción
es	Texto		cuerda
nordeste	Texto		cuerda

• Teclas supervisadas (ver as_supervised doc ): ('ne', 'en')

• Ejemplos ( tfds.as_dataframe ):

flores/sién

• Descripción de la configuración : conjunto de datos de traducción de si a en.

• Tamaño del conjunto de datos : 2.05 MiB

• Divisiones :

Separar	Ejemplos
'test'	2,766
'validation'	2,898

• Estructura de características :

Translation({
    'en': Text(shape=(), dtype=string),
    'si': Text(shape=(), dtype=string),
})

• Documentación de características :

Rasgo	Clase	Forma	Tipo D	Descripción
	Traducción
es	Texto		cuerda
si	Texto		cuerda

• Teclas supervisadas (ver as_supervised doc ): ('si', 'en')

• Ejemplos ( tfds.as_dataframe ):