pg19

• 説明:

このデータセットには、PG-19 言語モデリング ベンチマークが含まれています。プロジェクト グーテンベルク ブック プロジェクト ( https://www.gutenberg.org ) から抽出された、1919 年より前に発行された書籍のセットが含まれています。書籍のタイトルと発行日のメタデータも含まれています。 PG-19 は、Billion Word ベンチマークの 2 倍以上のサイズであり、WikiText 長距離言語モデリング ベンチマークよりも平均で 20 倍長いドキュメントが含まれています。

ブックは、トレーニング、検証、およびテスト セットに分割されます。書籍のメタデータは、(book_id、short_book_title、publication_date、book_link) を含む metadata.csv に保存されます。

• 追加のドキュメント:コードを使用したペーパーの探索

• ホームページ: https://github.com/deepmind/pg19

• ソース コード: tfds.datasets.pg19.Builder

• バージョン:

  • 0.1.1 (デフォルト): リリース ノートはありません。

• ダウンロードサイズ: サイズUnknown size

• データセットサイズ: 10.94 GiB

• 自動キャッシュ(ドキュメント): いいえ

• スプリット:

スプリット	例
'test'	100
'train'	28,602
'validation'	50

• 機能構造:

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

• 機能のドキュメント:

特徴	クラス	形	Dtype	説明
	特徴辞書
book_id	テンソル		int32
book_link	テンソル		ストリング
book_text	文章		ストリング
book_title	テンソル		ストリング
出版日	テンソル		ストリング

• 監視されたキー( as_supervised docを参照): None

• 図( tfds.show_examples ): サポートされていません。

• 例( tfds.as_dataframe ):

• 引用：

@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},
}