gigapalabra

  • Descripción :

Generación de titulares en un corpus de pares de artículos de Gigaword que consta de alrededor de 4 millones de artículos. Use los 'org_data' proporcionados por https://github.com/microsoft/unilm/ que es idéntico a https://github.com/harvardnlp/sent-summary pero con mejor formato.

Hay dos características: - documento: artículo. - resumen: titular.

Separar Ejemplos
'test' 1,951
'train' 3,803,957
'validation' 189,651
  • Estructura de características :
FeaturesDict({
    'document': Text(shape=(), dtype=string),
    'summary': Text(shape=(), dtype=string),
})
  • Documentación de características :
Rasgo Clase Forma Tipo D Descripción
CaracterísticasDict
documento Texto cuerda
resumen Texto cuerda
  • Cita :
@article{graff2003english,
  title={English gigaword},
  author={Graff, David and Kong, Junbo and Chen, Ke and Maeda, Kazuaki},
  journal={Linguistic Data Consortium, Philadelphia},
  volume={4},
  number={1},
  pages={34},
  year={2003}
}

@article{Rush_2015,
   title={A Neural Attention Model for Abstractive Sentence Summarization},
   url={http://dx.doi.org/10.18653/v1/D15-1044},
   DOI={10.18653/v1/d15-1044},
   journal={Proceedings of the 2015 Conference on Empirical Methods in Natural Language Processing},
   publisher={Association for Computational Linguistics},
   author={Rush, Alexander M. and Chopra, Sumit and Weston, Jason},
   year={2015}
}