wmt14_traducir

  • Descripción :

Traduzca el conjunto de datos en función de los datos de statmt.org.

Existen versiones para los diferentes años utilizando una combinación de múltiples fuentes de datos. La base wmt_translate le permite crear su propia configuración para elegir su propio par de datos/idioma creando un tfds.translate.wmt.WmtConfig personalizado.

config = tfds.translate.wmt.WmtConfig(
    version="0.0.1",
    language_pair=("fr", "de"),
    subsets={
        tfds.Split.TRAIN: ["commoncrawl_frde"],
        tfds.Split.VALIDATION: ["euelections_dev2019"],
    },
)
builder = tfds.builder("wmt_translate", config=config)
  • Página de inicio : http://www.statmt.org/wmt14/translation-task.html

  • Código fuente : tfds.translate.Wmt14Translate

  • Versiones :

    • 1.0.0 (predeterminado): Sin notas de la versión.
  • Tamaño del conjunto de datos : Unknown size

  • Instrucciones de descarga manual : este conjunto de datos requiere que descargue los datos de origen manualmente en download_config.manual_dir (el valor predeterminado es ~/tensorflow_datasets/downloads/manual/ ):
    Algunas de las configuraciones de wmt aquí requieren una descarga manual. Mire en wmt.py para ver la ruta exacta (y el nombre del archivo) que debe descargarse.

  • Auto-caché ( documentación ): Desconocido

  • Figura ( tfds.show_examples ): no compatible.

  • Ejemplos ( tfds.as_dataframe ): Falta.

  • Cita :

@InProceedings{bojar-EtAl:2014:W14-33,
  author    = {Bojar, Ondrej  and  Buck, Christian  and  Federmann, Christian  and  Haddow, Barry  and  Koehn, Philipp  and  Leveling, Johannes  and  Monz, Christof  and  Pecina, Pavel  and  Post, Matt  and  Saint-Amand, Herve  and  Soricut, Radu  and  Specia, Lucia  and  Tamchyna, Ale
{s} },
  title     = {Findings of the 2014 Workshop on Statistical Machine Translation},
  booktitle = {Proceedings of the Ninth Workshop on Statistical Machine Translation},
  month     = {June},
  year      = {2014},
  address   = {Baltimore, Maryland, USA},
  publisher = {Association for Computational Linguistics},
  pages     = {12--58},
  url       = {http://www.aclweb.org/anthology/W/W14/W14-3302}
}

wmt14_translate/cs-en (configuración predeterminada)

  • Descripción de la configuración : conjunto de datos de la tarea de traducción WMT 2014 cs-en.

  • Tamaño de descarga : 1.58 GiB

  • Divisiones :

Separar Ejemplos
'test' 3,003
'train' 15,786,979
'validation' 3,000
  • Estructura de características :
Translation({
    'cs': Text(shape=(), dtype=tf.string),
    'en': Text(shape=(), dtype=tf.string),
})
  • Documentación de características :
Rasgo Clase Forma Tipo D Descripción
Traducción
cs Texto tf.cadena
es Texto tf.cadena

wmt14_translate/es-es

  • Descripción de la configuración : conjunto de datos de la tarea de traducción de-en de WMT 2014.

  • Tamaño de descarga : 1.58 GiB

  • Divisiones :

Separar Ejemplos
'test' 3,003
'train' 4,508,785
'validation' 3,000
  • Estructura de características :
Translation({
    'de': Text(shape=(), dtype=tf.string),
    'en': Text(shape=(), dtype=tf.string),
})
  • Documentación de características :
Rasgo Clase Forma Tipo D Descripción
Traducción
Delaware Texto tf.cadena
es Texto tf.cadena

wmt14_translate/fr-es

  • Descripción de la configuración : conjunto de datos de la tarea de traducción fr-en de WMT 2014.

  • Tamaño de descarga : 6.20 GiB

  • Divisiones :

Separar Ejemplos
'test' 3,003
'train' 40.836.876
'validation' 3,000
  • Estructura de características :
Translation({
    'en': Text(shape=(), dtype=tf.string),
    'fr': Text(shape=(), dtype=tf.string),
})
  • Documentación de características :
Rasgo Clase Forma Tipo D Descripción
Traducción
es Texto tf.cadena
es Texto tf.cadena

wmt14_translate/hola-en

  • Descripción de la configuración : conjunto de datos de tareas de traducción hi-en de WMT 2014.

  • Tamaño de la descarga : 44.65 MiB

  • Divisiones :

Separar Ejemplos
'test' 2,507
'train' 313,748
'validation' 520
  • Estructura de características :
Translation({
    'en': Text(shape=(), dtype=tf.string),
    'hi': Text(shape=(), dtype=tf.string),
})
  • Documentación de características :
Rasgo Clase Forma Tipo D Descripción
Traducción
es Texto tf.cadena
hola Texto tf.cadena

wmt14_translate/ru-es

  • Descripción de la configuración : conjunto de datos de la tarea de traducción ru-en de WMT 2014.

  • Tamaño de la descarga : 998.38 MiB

  • Divisiones :

Separar Ejemplos
'test' 3,003
'train' 2,486,965
'validation' 3,000
  • Estructura de características :
Translation({
    'en': Text(shape=(), dtype=tf.string),
    'ru': Text(shape=(), dtype=tf.string),
})
  • Documentación de características :
Rasgo Clase Forma Tipo D Descripción
Traducción
es Texto tf.cadena
tu Texto tf.cadena