lm1b, lm1b

• Deskripsi :

Korpus tolok ukur yang akan digunakan untuk mengukur kemajuan dalam pemodelan bahasa statistik. Ini memiliki hampir satu miliar kata dalam data pelatihan.

• Dokumentasi Tambahan : Jelajahi di Makalah Dengan Kode

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

• Kode sumber : tfds.datasets.lm1b.Builder

• Versi :

  • 1.1.0 (default): Tidak ada catatan rilis.

• Ukuran unduhan : 1.67 GiB

• Ukuran dataset : 4.40 GiB

• Di-cache otomatis ( dokumentasi ): Tidak

• Perpecahan :

Membelah	Contoh
'test'	306.688
'train'	30.301.028

• Struktur fitur :

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

• Dokumentasi fitur :

Fitur	Kelas	Membentuk	Dtype	Keterangan
	fiturDict
teks	Teks		rangkaian

• Kunci yang diawasi (Lihat as_supervised doc ): ('text', 'text')

• Gambar ( tfds.show_examples ): Tidak didukung.

• Contoh ( tfds.as_dataframe ):

• Kutipan :

@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}
}