imdb_reviews

• Descriptif :

Grand ensemble de données sur les critiques de films. Il s'agit d'un ensemble de données pour la classification des sentiments binaires contenant beaucoup plus de données que les ensembles de données de référence précédents. Nous fournissons un ensemble de 25 000 critiques de films très polaires pour la formation et 25 000 pour les tests. Il existe également des données supplémentaires non étiquetées à utiliser.

• Documentation complémentaire : Explorer sur Papers With Code

• Page d'accueil : http://ai.stanford.edu/~amaas/data/sentiment/

• Code source : tfds.datasets.imdb_reviews.Builder

• Versions :

  • 1.0.0 (par défaut) : nouvelle API fractionnée ( https://tensorflow.org/datasets/splits )

• Taille du téléchargement : 80.23 MiB

• Mise en cache automatique ( documentation ): Oui

• Fractionnements :

Diviser	Exemples
'test'	25 000
'train'	25 000
'unsupervised'	50 000

• Touches supervisées (Voir as_supervised doc ): ('text', 'label')

• Figure ( tfds.show_examples ) : non pris en charge.

• Citation :

@InProceedings{maas-EtAl:2011:ACL-HLT2011,
  author    = {Maas, Andrew L.  and  Daly, Raymond E.  and  Pham, Peter T.  and  Huang, Dan  and  Ng, Andrew Y.  and  Potts, Christopher},
  title     = {Learning Word Vectors for Sentiment Analysis},
  booktitle = {Proceedings of the 49th Annual Meeting of the Association for Computational Linguistics: Human Language Technologies},
  month     = {June},
  year      = {2011},
  address   = {Portland, Oregon, USA},
  publisher = {Association for Computational Linguistics},
  pages     = {142--150},
  url       = {http://www.aclweb.org/anthology/P11-1015}
}

imdb_reviews/plain_text (configuration par défaut)

• Description de la configuration : Texte brut

• Taille du jeu de données : 129.83 MiB

• Structure des fonctionnalités :

FeaturesDict({
    'label': ClassLabel(shape=(), dtype=int64, num_classes=2),
    'text': Text(shape=(), dtype=string),
})

• Documentation des fonctionnalités :

Caractéristique	Classer	Forme	Dtype	La description
	FonctionnalitésDict
étiquette	Étiquette de classe		int64
texte	Texte		chaîne de caractères

• Exemples ( tfds.as_dataframe ):

imdb_reviews/octets

• Description de la configuration : utilise l'encodage de texte au niveau de l'octet avec tfds.deprecated.text.ByteTextEncoder

• Taille du jeu de données : 129.88 MiB

• Structure des fonctionnalités :

FeaturesDict({
    'label': ClassLabel(shape=(), dtype=int64, num_classes=2),
    'text': Text(shape=(None,), dtype=int64, encoder=<ByteTextEncoder vocab_size=257>),
})

• Documentation des fonctionnalités :

Caractéristique	Classer	Forme	Dtype	La description
	FonctionnalitésDict
étiquette	Étiquette de classe		int64
texte	Texte	(Aucun,)	int64

• Exemples ( tfds.as_dataframe ):

imdb_reviews/subwords8k

• Description de la configuration : utilise tfds.deprecated.text.SubwordTextEncoder avec une taille de vocabulaire de 8 k

• Taille du jeu de données : 54.72 MiB

• Structure des fonctionnalités :

FeaturesDict({
    'label': ClassLabel(shape=(), dtype=int64, num_classes=2),
    'text': Text(shape=(None,), dtype=int64, encoder=<SubwordTextEncoder vocab_size=8185>),
})

• Documentation des fonctionnalités :

Caractéristique	Classer	Forme	Dtype	La description
	FonctionnalitésDict
étiquette	Étiquette de classe		int64
texte	Texte	(Aucun,)	int64

• Exemples ( tfds.as_dataframe ):

imdb_reviews/subwords32k

• Description de la configuration : Utilise tfds.deprecated.text.SubwordTextEncoder avec une taille de vocabulaire de 32 k

• Taille du jeu de données : 50.33 MiB

• Structure des fonctionnalités :

FeaturesDict({
    'label': ClassLabel(shape=(), dtype=int64, num_classes=2),
    'text': Text(shape=(None,), dtype=int64, encoder=<SubwordTextEncoder vocab_size=32650>),
})

• Documentation des fonctionnalités :

Caractéristique	Classer	Forme	Dtype	La description
	FonctionnalitésDict
étiquette	Étiquette de classe		int64
texte	Texte	(Aucun,)	int64

• Exemples ( tfds.as_dataframe ):