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.

• Página de inicio: https://github.com/harvardnlp/sent-summary

• Código fuente : tfds.summarization.Gigaword

• Versiones :

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

• Tamaño de la descarga : 551.61 MiB

• Tamaño del conjunto de datos : 1.02 GiB

• Almacenamiento automático en caché ( documentación ): No

• Divisiones :

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

• Claves supervisadas (Ver as_supervised ): ('document', 'summary')

• Figura ( tfds.show_examples ): no compatible.

• Ejemplos ( tfds.as_dataframe ):

• 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}
}