tela de resumo

• Descrição :

Conjunto de dados SummScreen Summarization, versão não anônima e não tokenizada.

As divisões e filtragem de treinamento/val/teste são baseadas no conjunto de dados tokenizado final, mas as transcrições e recapitulações fornecidas são baseadas no texto não tokenizado.

Existem duas características:

• transcrição: transcrições completas do episódio, cada linha de diálogo separada por novas linhas

• recap: Recapitulações ou resumos de episódios

• Página inicial : https://github.com/mingdachen/SummScreen

• Código -fonte: tfds.datasets.summscreen.Builder

• Versões :

  • 1.0.0 (padrão): versão inicial.

• Tamanho do download : 841.27 MiB

• Chaves supervisionadas (Consulte as_supervised doc ): ('transcript', 'recap')

• Figura ( tfds.show_examples ): Não compatível.

• Citação :

@article{DBLP:journals/corr/abs-2104-07091,
  author    = {Mingda Chen and
               Zewei Chu and
               Sam Wiseman and
               Kevin Gimpel},
  title     = {SummScreen: {A} Dataset for Abstractive Screenplay Summarization},
  journal   = {CoRR},
  volume    = {abs/2104.07091},
  year      = {2021},
  url       = {https://arxiv.org/abs/2104.07091},
  archivePrefix = {arXiv},
  eprint    = {2104.07091},
  timestamp = {Mon, 19 Apr 2021 16:45:47 +0200},
  biburl    = {https://dblp.org/rec/journals/corr/abs-2104-07091.bib},
  bibsource = {dblp computer science bibliography, https://dblp.org}
}

summscreen/fd (configuração padrão)

• Descrição da configuração : ForeverDreaming

• Tamanho do conjunto de dados : 132.99 MiB

• Cache automático ( documentação ): Sim

• Divisões :

Dividir	Exemplos
'test'	337
'train'	3.673
'validation'	338

• Estrutura de recursos :

FeaturesDict({
    'episode_number': Text(shape=(), dtype=string),
    'episode_title': Text(shape=(), dtype=string),
    'recap': Text(shape=(), dtype=string),
    'show_title': Text(shape=(), dtype=string),
    'transcript': Text(shape=(), dtype=string),
    'transcript_author': Text(shape=(), dtype=string),
})

• Documentação do recurso:

Característica	Classe	Forma	Tipo D	Descrição
	RecursosDict
episódio_número	Texto		corda
episódio_título	Texto		corda
recapitular	Texto		corda
mostrar_título	Texto		corda
transcrição	Texto		corda
transcrição_autor	Texto		corda

• Exemplos ( tfds.as_dataframe ):

tela de resumo/tms

• Descrição da configuração : TVMegaSite

• Tamanho do conjunto de dados : 592.53 MiB

• Armazenado em cache automaticamente ( documentação ): Não

• Divisões :

Dividir	Exemplos
'test'	1.793
'train'	18.915
'validation'	1.795

• Estrutura de recursos :

FeaturesDict({
    'episode_summary': Text(shape=(), dtype=string),
    'recap': Text(shape=(), dtype=string),
    'recap_author': Text(shape=(), dtype=string),
    'show_title': Text(shape=(), dtype=string),
    'transcript': Text(shape=(), dtype=string),
    'transcript_author': Tensor(shape=(None,), dtype=string),
})

• Documentação do recurso:

Característica	Classe	Forma	Tipo D	Descrição
	RecursosDict
episódio_resumo	Texto		corda
recapitular	Texto		corda
recap_autor	Texto		corda
mostrar_título	Texto		corda
transcrição	Texto		corda
transcrição_autor	tensor	(Nenhum,)	corda

• Exemplos ( tfds.as_dataframe ):