گیگاورد

• توضیحات :

تولید سرفصل در مجموعه‌ای از جفت‌های مقاله از Gigaword که شامل حدود 4 میلیون مقاله است. از «org_data» ارائه شده توسط https://github.com/microsoft/unilm/ استفاده کنید که مشابه https://github.com/harvardnlp/sent-summary اما با قالب بهتر است.

دو ویژگی وجود دارد: - سند: مقاله. - خلاصه: سرفصل.

• صفحه اصلی : https://github.com/harvardnlp/sent-summary

• کد منبع : tfds.summarization.Gigaword

• نسخه ها :

  • 1.2.0 (پیش فرض): بدون یادداشت انتشار.

• حجم دانلود : 551.61 MiB

• حجم مجموعه داده : 1.02 GiB

• ذخیره خودکار ( اسناد ): خیر

• تقسیم ها :

شکاف	مثال ها
'test'	1951
'train'	3,803,957
'validation'	189651

• ساختار ویژگی :

FeaturesDict({
    'document': Text(shape=(), dtype=string),
    'summary': Text(shape=(), dtype=string),
})

• مستندات ویژگی :

ویژگی	کلاس	شکل	نوع D	شرح
	FeaturesDict
سند	متن		رشته
خلاصه	متن		رشته

• کلیدهای نظارت شده (نگاه کنید به as_supervised doc ): ('document', 'summary')

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

• مثال‌ها ( tfds.as_dataframe ):

• نقل قول :

@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}
}