irc_disentanglement

• توضیحات :

مجموعه داده IRC Disentanglement شامل بیش از 77563 پیام از کانال IRC اوبونتو است.

ویژگی ها عبارتند از شناسه پیام، متن پیام و مهر زمان. هدف لیستی از پیام هایی است که پیام فعلی به آنها پاسخ می دهد. هر رکورد حاوی لیستی از پیام های یک روز چت IRC است.

• اسناد اضافی : کاوش در کاغذها با کد

• صفحه اصلی : https://jkk.name/irc-disentanglement

• کد منبع : tfds.datasets.irc_disentanglement.Builder

• نسخه ها :

  • 2.0.0 (پیش‌فرض): هیچ یادداشت انتشار وجود ندارد.

• حجم دانلود : 113.53 MiB

• حجم مجموعه داده : 26.59 MiB

• ذخیره خودکار ( اسناد ): بله

• تقسیم ها :

شکاف	مثال ها
'test'	10
'train'	153
'validation'	10

• ساختار ویژگی :

FeaturesDict({
    'day': Sequence({
        'id': Text(shape=(), dtype=string),
        'parents': Sequence(Text(shape=(), dtype=string)),
        'text': Text(shape=(), dtype=string),
        'timestamp': Text(shape=(), dtype=string),
    }),
})

• مستندات ویژگی :

ویژگی	کلاس	شکل	نوع D	شرح
	FeaturesDict
روز	توالی
روز/شناسه	متن		رشته
روز / والدین	دنباله (متن)	(هیچ یک،)	رشته
روز / متن	متن		رشته
روز/مهر زمان	متن		رشته

• کلیدهای نظارت شده (به as_supervised doc مراجعه کنید): None

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

• مثال‌ها ( tfds.as_dataframe ):

• نقل قول :

@InProceedings{acl19disentangle,
  author    = {Jonathan K. Kummerfeld and Sai R. Gouravajhala and Joseph Peper and Vignesh Athreya and Chulaka Gunasekara and Jatin Ganhotra and Siva Sankalp Patel and Lazaros Polymenakos and Walter S. Lasecki},
  title     = {A Large-Scale Corpus for Conversation Disentanglement},
  booktitle = {Proceedings of the 57th Annual Meeting of the Association for Computational Linguistics},
  location  = {Florence, Italy},
  month     = {July},
  year      = {2019},
  doi       = {10.18653/v1/P19-1374},
  pages     = {3846--3856},
  url       = {https://aclweb.org/anthology/papers/P/P19/P19-1374/},
  arxiv     = {https://arxiv.org/abs/1810.11118},
  software  = {https://jkk.name/irc-disentanglement},
  data      = {https://jkk.name/irc-disentanglement},
}