ห้องข่าว

คำเตือน: ต้องดาวน์โหลดด้วยตนเอง ดูคำแนะนำด้านล่าง

• คำอธิบาย :

NEWSROOM เป็นชุดข้อมูลขนาดใหญ่สำหรับการฝึกอบรมและประเมินระบบการสรุปผล ประกอบด้วยบทความและบทสรุปจำนวน 1.3 ล้านบทความที่เขียนโดยนักเขียนและบรรณาธิการในห้องข่าวของสื่อสิ่งพิมพ์หลัก 38 ฉบับ

คุณลักษณะชุดข้อมูลประกอบด้วย:

• ข้อความ: ป้อนข้อความข่าว
• สรุป: สรุปสำหรับข่าว

และคุณสมบัติเพิ่มเติม:

• หัวเรื่อง : หัวข่าว.
• url: url ของข่าว.
• วันที่: วันที่ของบทความ
• ความหนาแน่น: ความหนาแน่นของการสกัด
• ความคุ้มครอง: ความคุ้มครองสารสกัด
• การบีบอัด: อัตราส่วนการบีบอัด
• density_bin: ต่ำ ปานกลาง สูง
• coverage_bin: สกัด, นามธรรม
• compression_bin: ต่ำ กลาง สูง

ชุดข้อมูลนี้สามารถดาวน์โหลดได้ตามคำขอ เปิดเครื่องรูดเนื้อหาทั้งหมด "train.jsonl, dev.jsonl, test.jsonl" ไปยังโฟลเดอร์ tfds

• เอกสารประกอบเพิ่มเติม : สำรวจเอกสารด้วยรหัส

• หน้าแรก : https://summari.es

• รหัสแหล่งที่มา : tfds.datasets.newsroom.Builder

• รุ่น :

  • 1.0.0 (ค่าเริ่มต้น): ไม่มีบันทึกประจำรุ่น

• ขนาดการดาวน์โหลด : Unknown size

• ขนาดชุดข้อมูล : 5.13 GiB

• คำแนะนำในการดาวน์โหลดด้วยตนเอง : ชุดข้อมูลนี้กำหนดให้คุณต้องดาวน์โหลดแหล่งข้อมูลด้วยตนเองลงใน download_config.manual_dir (ค่าเริ่มต้นเป็น ~/tensorflow_datasets/downloads/manual/ ):
  คุณควรดาวน์โหลดชุดข้อมูลจาก https://summari.es/download/ หน้าเว็บต้องมีการลงทะเบียน หลังจากดาวน์โหลด โปรดใส่ไฟล์ dev.jsonl, test.jsonl และ train.jsonl ใน manual_dir

• แคชอัตโนมัติ ( เอกสารประกอบ ): ไม่

• แยก :

แยก	ตัวอย่าง
'test'	108,862
'train'	995,041
'validation'	108,837

• โครงสร้างคุณลักษณะ :

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),
})

• เอกสารคุณสมบัติ :

คุณสมบัติ	ระดับ	รูปร่าง	Dประเภท	คำอธิบาย
	คุณสมบัติDict
การบีบอัด	เทนเซอร์		ลอย32
การบีบอัด_bin	ข้อความ		สตริง
ครอบคลุม	เทนเซอร์		ลอย32
ความคุ้มครอง_bin	ข้อความ		สตริง
วันที่	ข้อความ		สตริง
ความหนาแน่น	เทนเซอร์		ลอย32
ความหนาแน่น_ถัง	ข้อความ		สตริง
สรุป	ข้อความ		สตริง
ข้อความ	ข้อความ		สตริง
ชื่อ	ข้อความ		สตริง
URL	ข้อความ		สตริง

• คีย์ภายใต้การดูแล (ดู as_supervised doc ): ('text', 'summary')

• รูปภาพ ( tfds.show_examples ): ไม่รองรับ

• ตัวอย่าง ( tfds.as_dataframe ):

• การอ้างอิง :

@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}
}