ted_multi_translate

• Descrição :

Conjunto de dados massivamente multilíngue (60 idiomas) derivado de transcrições do TED Talk. Cada registro consiste em matrizes paralelas de idioma e texto. Traduções ausentes e incompletas serão filtradas.

• Página inicial : https://github.com/neulab/word-embeddings-for-nmt

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

• Versões :

  • 1.1.0 (padrão): sem notas de versão.

• Tamanho do download : 335.91 MiB

• Tamanho do conjunto de dados : 752.30 MiB

• Armazenado em cache automaticamente ( documentação ): Não

• Divisões :

Dividir	Exemplos
'test'	7.213
'train'	258.098
'validation'	6.049

• Estrutura de recursos :

FeaturesDict({
    'talk_name': Text(shape=(), dtype=string),
    'translations': TranslationVariableLanguages({
        'language': Text(shape=(), dtype=string),
        'translation': Text(shape=(), dtype=string),
    }),
})

• Documentação do recurso:

Recurso	Aula	Forma	Tipo D	Descrição
	RecursosDict
talk_name	Texto		corda
traduções	TranslationVariableLanguages
traduções/idioma	Texto		corda
traduções/tradução	Texto		corda

• Chaves supervisionadas (Consulte as_supervised doc ): None

• Figura ( tfds.show_examples ): Não compatível.

• Exemplos ( tfds.as_dataframe ):

• Citação :

@InProceedings{qi-EtAl:2018:N18-2,
  author    = {Qi, Ye  and  Sachan, Devendra  and  Felix, Matthieu  and  Padmanabhan, Sarguna  and  Neubig, Graham},
  title     = {When and Why Are Pre-Trained Word Embeddings Useful for Neural Machine Translation?},
  booktitle = {Proceedings of the 2018 Conference of the North American Chapter of the Association for Computational Linguistics: Human Language Technologies, Volume 2 (Short Papers)},
  month     = {June},
  year      = {2018},
  address   = {New Orleans, Louisiana},
  publisher = {Association for Computational Linguistics},
  pages     = {529--535},
  abstract  = {The performance of Neural Machine Translation (NMT) systems often suffers in low-resource scenarios where sufficiently large-scale parallel corpora cannot be obtained. Pre-trained word embeddings have proven to be invaluable for improving performance in natural language analysis tasks, which often suffer from paucity of data. However, their utility for NMT has not been extensively explored. In this work, we perform five sets of experiments that analyze when we can expect pre-trained word embeddings to help in NMT tasks. We show that such embeddings can be surprisingly effective in some cases -- providing gains of up to 20 BLEU points in the most favorable setting.},
  url       = {http://www.aclweb.org/anthology/N18-2084}
}