wmt14_translate

  • 説明：

statmt.orgからのデータに基づいてデータセットを翻訳します。

複数のデータソースの組み合わせを使用して、さまざまな年のバージョンが存在します。ベースのwmt_translateを使用すると、独自の構成を作成して、カスタムtfds.translate.wmt.WmtConfigを作成することにより、独自のデータ/言語のペアを選択できます。

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)

  • ホームページ： http ：//www.statmt.org/wmt14/translation-task.html

  • ソースコード： tfds.translate.Wmt14Translate

  • バージョン：

    • 1.0.0 （デフォルト）：リリースノートなし。

  • データセットサイズ： Unknown size

  • 手動ダウンロード手順：このデータセットでは、ソースデータを手動でdownload_config.manual_dirにdownload_config.manual_dirする必要があります（デフォルトは~/tensorflow_datasets/downloads/manual/ ）：
    ここにあるwmt構成の一部は、手動でダウンロードする必要があります。ダウンロードする必要のある正確なパス（およびファイル名）を確認するには、wmt.pyを調べてください。

  • 自動キャッシュ（ドキュメント）：不明

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

  • 例（ tfds.as_dataframe ）：欠落しています。

  • 引用：

@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（デフォルト設定）

  • 構成の説明：WMT2014cs-en変換タスクデータセット。

  • ダウンロードサイズ： 1.58 GiB

  • 分割：

スプリット例
'test' 3,003
'train' 15,786,979
'validation' 3,000
  • 素性構造：
Translation({
    'cs': Text(shape=(), dtype=tf.string),
    'en': Text(shape=(), dtype=tf.string),
})
  • 機能ドキュメント：
特徴クラス形Dtype説明
翻訳
cs文章tf.string
en文章tf.string

wmt14_translate / de-en

  • 構成の説明：WMT2014de-en変換タスクデータセット。

  • ダウンロードサイズ： 1.58 GiB

  • 分割：

スプリット例
'test' 3,003
'train' 4,508,785
'validation' 3,000
  • 素性構造：
Translation({
    'de': Text(shape=(), dtype=tf.string),
    'en': Text(shape=(), dtype=tf.string),
})
  • 機能ドキュメント：
特徴クラス形Dtype説明
翻訳
de文章tf.string
en文章tf.string

wmt14_translate / fr-en

  • 構成の説明：WMT2014fr-en変換タスクデータセット。

  • ダウンロードサイズ： 6.20 GiB

  • 分割：

スプリット例
'test' 3,003
'train' 40,836,876
'validation' 3,000
  • 素性構造：
Translation({
    'en': Text(shape=(), dtype=tf.string),
    'fr': Text(shape=(), dtype=tf.string),
})
  • 機能ドキュメント：
特徴クラス形Dtype説明
翻訳
en文章tf.string
fr文章tf.string

wmt14_translate / hi-en

  • 構成の説明：WMT2014hi-en変換タスクデータセット。

  • ダウンロードサイズ： 44.65 MiB

  • 分割：

スプリット例
'test' 2,507
'train' 313,748
'validation' 520
  • 素性構造：
Translation({
    'en': Text(shape=(), dtype=tf.string),
    'hi': Text(shape=(), dtype=tf.string),
})
  • 機能ドキュメント：
特徴クラス形Dtype説明
翻訳
en文章tf.string
こんにちは文章tf.string

wmt14_translate / ru-en

  • 構成の説明：WMT2014ru-en変換タスクデータセット。

  • ダウンロードサイズ： 998.38 MiB

  • 分割：

スプリット例
'test' 3,003
'train' 2,486,965
'validation' 3,000
  • 素性構造：
Translation({
    'en': Text(shape=(), dtype=tf.string),
    'ru': Text(shape=(), dtype=tf.string),
})
  • 機能ドキュメント：
特徴クラス形Dtype説明
翻訳
en文章tf.string
ru文章tf.string