サムスン

警告:手動でダウンロードする必要があります。以下の手順を参照してください。

• 説明:

SAMSum Corpus には、手動で注釈が付けられた要約を含む 16,000 を超えるチャット ダイアログが含まれています。

次の 2 つの機能があります。

• dialog: ダイアログのテキスト。
• summary: 人間が書いた対話の要約。

• id: 例の ID。

• 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://arxiv.org/src/1911.12237v2/anc

• ソース コード: tfds.datasets.samsum.Builder

• バージョン:

  • 1.0.0 (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: 10.71 MiB

• 手動ダウンロードの手順: このデータセットでは、ソース データを手動でdownload_config.manual_dir (デフォルトは~/tensorflow_datasets/downloads/manual/ ) にダウンロードする必要があります。
  https://arxiv.org/src/1911.12237v2/anc/corpus.7z をダウンロードし、解凍して train.json、val.json、test.json を manual フォルダーに配置します。

• 自動キャッシュ(ドキュメント): はい

• スプリット:

スプリット	例
'test'	819
'train'	14,732
'validation'	818

• 機能構造:

FeaturesDict({
    'dialogue': Text(shape=(), dtype=string),
    'id': Text(shape=(), dtype=string),
    'summary': Text(shape=(), dtype=string),
})

• 機能のドキュメント:

特徴	クラス	形	Dtype	説明
	特徴辞書
ダイアログ	文章		ストリング
ID	文章		ストリング
まとめ	文章		ストリング

• 監視されたキー( as_supervised docを参照): ('dialogue', 'summary')

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

• 例( tfds.as_dataframe ):

• 引用：

@article{gliwa2019samsum,
  title={SAMSum Corpus: A Human-annotated Dialogue Dataset for Abstractive Summarization},
  author={Gliwa, Bogdan and Mochol, Iwona and Biesek, Maciej and Wawer, Aleksander},
  journal={arXiv preprint arXiv:1911.12237},
  year={2019}
}