pg19

• Descriptif :

Cet ensemble de données contient le benchmark de modélisation de langage PG-19. Il comprend un ensemble de livres extraits du projet de livres Project Gutenberg ( https://www.gutenberg.org ), qui ont été publiés avant 1919. Il contient également des métadonnées sur les titres de livres et les dates de publication. PG-19 est plus du double de la taille du benchmark Billion Word et contient des documents qui sont 20 fois plus longs, en moyenne, que le benchmark de modélisation de langage à longue portée WikiText.

Les livres sont partitionnés en un ensemble de train, de validation et de test. Les métadonnées des livres sont stockées dans metadata.csv qui contient (book_id, short_book_title, publication_date, book_link).

• Documentation complémentaire : Explorer sur Papers With Code

• Page d' accueil : https://github.com/deepmind/pg19

• Code source : tfds.datasets.pg19.Builder

• Versions :

  • 0.1.1 (par défaut) : aucune note de version.

• Taille du téléchargement : Unknown size

• Taille du jeu de données : 10.94 GiB

• Mise en cache automatique ( documentation ): Non

• Fractionnements :

Diviser	Exemples
'test'	100
'train'	28 602
'validation'	50

• Structure des fonctionnalités :

FeaturesDict({
    'book_id': int32,
    'book_link': string,
    'book_text': Text(shape=(), dtype=string),
    'book_title': string,
    'publication_date': string,
})

• Documentation des fonctionnalités :

Caractéristique	Classer	Forme	Dtype	La description
	FonctionnalitésDict
book_id	Tenseur		int32
book_link	Tenseur		chaîne de caractères
book_text	Texte		chaîne de caractères
titre de livre	Tenseur		chaîne de caractères
date de publication	Tenseur		chaîne de caractères

• Clés supervisées (Voir as_supervised doc ): None

• Figure ( tfds.show_examples ) : non pris en charge.

• Exemples ( tfds.as_dataframe ):

• Citation :

@article{raecompressive2019,
author = {Rae, Jack W and Potapenko, Anna and Jayakumar, Siddhant M and
          Hillier, Chloe and Lillicrap, Timothy P},
title = {Compressive Transformers for Long-Range Sequence Modelling},
journal = {arXiv preprint},
url = {https://arxiv.org/abs/1911.05507},
year = {2019},
}