חדר חדשות

אזהרה: נדרשת הורדה ידנית. ראה הוראות למטה.

• תיאור :

NEWSROOM הוא מערך נתונים גדול להדרכה והערכה של מערכות סיכום. הוא מכיל 1.3 מיליון מאמרים וסיכומים שנכתבו על ידי סופרים ועורכים בחדרי החדשות של 38 פרסומים מרכזיים.

תכונות מערך הנתונים כוללות:

• טקסט: הזנת טקסט חדשותי.
• תקציר: סיכום לחדשות.

ותכונות נוספות:

• כותרת: כותרת חדשות.
• url: כתובת האתר של החדשות.
• תאריך: תאריך המאמר.
• צפיפות: צפיפות מיצוי.
• כיסוי: כיסוי מיצוי.
• דחיסה: יחס דחיסה.
• density_bin: נמוך, בינוני, גבוה.
• coverage_bin: מחלץ, מופשט.
• compression_bin: נמוך, בינוני, גבוה.

ניתן להוריד מערך נתונים זה לפי בקשות. פתח את כל התוכן "train.jsonl, dev.jsonl, test.jsonl" לתיקיית tfds.

• תיעוד נוסף : חקור על ניירות עם קוד

• דף הבית : https://summari.es

• קוד מקור : tfds.datasets.newsroom.Builder

• גרסאות :

  • 1.0.0 (ברירת מחדל): אין הערות שחרור.

• גודל הורדה : Unknown size

• גודל מערך נתונים : 5.13 GiB

• הוראות הורדה ידניות : מערך נתונים זה מחייב אותך להוריד את נתוני המקור באופן ידני אל download_config.manual_dir (ברירת המחדל היא ~/tensorflow_datasets/downloads/manual/ ):
  עליך להוריד את מערך הנתונים מ- https://summari.es/download/ דף האינטרנט דורש הרשמה. לאחר ההורדה, נא לשים את קבצי dev.jsonl, test.jsonl ו-train.jsonl ב-manual_dir.

• שמירה אוטומטית במטמון ( תיעוד ): לא

• פיצולים :

לְפַצֵל	דוגמאות
'test'	108,862
'train'	995,041
'validation'	108,837

• מבנה תכונה :

FeaturesDict({
    'compression': float32,
    'compression_bin': Text(shape=(), dtype=string),
    'coverage': float32,
    'coverage_bin': Text(shape=(), dtype=string),
    'date': Text(shape=(), dtype=string),
    'density': float32,
    'density_bin': Text(shape=(), dtype=string),
    'summary': Text(shape=(), dtype=string),
    'text': Text(shape=(), dtype=string),
    'title': Text(shape=(), dtype=string),
    'url': Text(shape=(), dtype=string),
})

• תיעוד תכונה :

תכונה	מעמד	צוּרָה	Dtype	תיאור
	FeaturesDict
דְחִיסָה	מוֹתֵחַ		לצוף32
compression_bin	טֶקסט		חוּט
כיסוי	מוֹתֵחַ		לצוף32
coverage_bin	טֶקסט		חוּט
תַאֲרִיך	טֶקסט		חוּט
צְפִיפוּת	מוֹתֵחַ		לצוף32
density_bin	טֶקסט		חוּט
סיכום	טֶקסט		חוּט
טֶקסט	טֶקסט		חוּט
כותרת	טֶקסט		חוּט
כתובת אתר	טֶקסט		חוּט

• מפתחות בפיקוח (ראה as_supervised doc ): ('text', 'summary')

• איור ( tfds.show_examples ): לא נתמך.

• דוגמאות ( tfds.as_dataframe ):

• ציטוט :

@article{Grusky_2018,
   title={Newsroom: A Dataset of 1.3 Million Summaries with Diverse Extractive Strategies},
   url={http://dx.doi.org/10.18653/v1/n18-1065},
   DOI={10.18653/v1/n18-1065},
   journal={Proceedings of the 2018 Conference of the North American Chapter of
          the Association for Computational Linguistics: Human Language
          Technologies, Volume 1 (Long Papers)},
   publisher={Association for Computational Linguistics},
   author={Grusky, Max and Naaman, Mor and Artzi, Yoav},
   year={2018}
}