lm1b،lm1b

• توضیحات :

یک مجموعه معیار برای اندازه‌گیری پیشرفت در مدل‌سازی زبان آماری. این تقریباً یک میلیارد کلمه در داده های آموزشی دارد.

• اسناد اضافی : کاوش در کاغذها با کد

• صفحه اصلی : http://www.statmt.org/lm-benchmark/

• کد منبع : tfds.datasets.lm1b.Builder

• نسخه ها :

  • 1.1.0 (پیش فرض): بدون یادداشت انتشار.

• حجم دانلود : 1.67 GiB

• حجم مجموعه داده : 4.40 GiB

• ذخیره خودکار ( اسناد ): خیر

• تقسیم ها :

شکاف	مثال ها
'test'	306688
'train'	30,301,028

• ساختار ویژگی :

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

• مستندات ویژگی :

ویژگی	کلاس	شکل	نوع D	شرح
	FeaturesDict
متن	متن		رشته

• کلیدهای نظارت شده (مشاهده as_supervised doc ): ('text', 'text')

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

• مثال‌ها ( tfds.as_dataframe ):

• نقل قول :

@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}
}