lm1b,lm1b

• Descrição :

Um corpus de referência a ser usado para medir o progresso na modelagem de linguagem estatística. Isso tem quase um bilhão de palavras nos dados de treinamento.

• Documentação Adicional : Explore em Papers With Code

• Homepage : http://www.statmt.org/lm-benchmark/

• Código-fonte : tfds.datasets.lm1b.Builder

• Versões :

  • 1.1.0 (padrão): sem notas de versão.

• Tamanho do download : 1.67 GiB

• Tamanho do conjunto de dados : 4.40 GiB

• Armazenado em cache automaticamente ( documentação ): Não

• Divisões :

Dividir	Exemplos
'test'	306.688
'train'	30.301.028

• Estrutura de recursos :

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

• Documentação do recurso :

Característica	Classe	Forma	Tipo D	Descrição
	RecursosDict
texto	Texto		corda

• Chaves supervisionadas (Consulte as_supervised doc ): ('text', 'text')

• Figura ( tfds.show_examples ): Não compatível.

• Exemplos ( tfds.as_dataframe ):

• Citação :

@article{DBLP:journals/corr/ChelbaMSGBK13,
  author    = {Ciprian Chelba and
               Tomas Mikolov and
               Mike Schuster and
               Qi Ge and
               Thorsten Brants and
               Phillipp Koehn},
  title     = {One Billion Word Benchmark for Measuring Progress in Statistical Language
               Modeling},
  journal   = {CoRR},
  volume    = {abs/1312.3005},
  year      = {2013},
  url       = {http://arxiv.org/abs/1312.3005},
  archivePrefix = {arXiv},
  eprint    = {1312.3005},
  timestamp = {Mon, 13 Aug 2018 16:46:16 +0200},
  biburl    = {https://dblp.org/rec/bib/journals/corr/ChelbaMSGBK13},
  bibsource = {dblp computer science bibliography, https://dblp.org}
}