wmt14_translate

Aviso: download manual necessário. Veja as instruções abaixo.

• Descrição :

Traduza o conjunto de dados com base nos dados de statmt.org.

Existem versões para os diferentes anos usando uma combinação de várias fontes de dados. A base wmt_translate permite que você crie sua própria configuração para escolher seu próprio par de dados/idioma criando um 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)

• Documentação Adicional : Explore em Papers With Code

• Página inicial : http://www.statmt.org/wmt14/translation-task.html

• Código -fonte: tfds.translate.Wmt14Translate

• Versões :

  • 1.0.0 (padrão): sem notas de versão.

• Instruções de download manual : este conjunto de dados exige que você baixe os dados de origem manualmente em download_config.manual_dir (o padrão é ~/tensorflow_datasets/downloads/manual/ ):
  Algumas das configurações do wmt aqui requerem um download manual. Por favor, olhe em wmt.py para ver o caminho exato (e nome do arquivo) que deve ser baixado.

• Figura ( tfds.show_examples ): Não suportado.

• Citação :

@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 (configuração padrão)

• Descrição da configuração : conjunto de dados da tarefa de tradução WMT 2014 cs-en.

• Tamanho do download : 1.58 GiB

• Tamanho do conjunto de dados : 2.89 GiB

• Armazenado em cache automaticamente ( documentação ): Não

• Divisões :

Dividir	Exemplos
'test'	3.003
'train'	15.786.979
'validation'	3.000

• Estrutura de recursos :

Translation({
    'cs': Text(shape=(), dtype=string),
    'en': Text(shape=(), dtype=string),
})

• Documentação do recurso:

Característica	Classe	Forma	Tipo D	Descrição
	Tradução
cs	Texto		corda
pt	Texto		corda

• Chaves supervisionadas (Consulte as_supervised doc ): ('cs', 'en')

• Exemplos ( tfds.as_dataframe ):

wmt14_translate/de-en

• Descrição da configuração : WMT 2014 conjunto de dados de tarefa de tradução de-en.

• Tamanho do download : 1.58 GiB

• Tamanho do conjunto de dados : 1.36 GiB

• Armazenado em cache automaticamente ( documentação ): Não

• Divisões :

Dividir	Exemplos
'test'	3.003
'train'	4.508.785
'validation'	3.000

• Estrutura de recursos :

Translation({
    'de': Text(shape=(), dtype=string),
    'en': Text(shape=(), dtype=string),
})

• Documentação do recurso:

Característica	Classe	Forma	Tipo D	Descrição
	Tradução
de	Texto		corda
pt	Texto		corda

• Chaves supervisionadas (Consulte as_supervised doc ): ('de', 'en')

• Exemplos ( tfds.as_dataframe ):

wmt14_translate/fr-en

• Descrição da configuração : WMT 2014 fr-en conjunto de dados da tarefa de tradução.

• Tamanho do download : 6.20 GiB

• Tamanho do conjunto de dados : 14.65 GiB

• Armazenado em cache automaticamente ( documentação ): Não

• Divisões :

Dividir	Exemplos
'test'	3.003
'train'	40.836.876
'validation'	3.000

• Estrutura de recursos :

Translation({
    'en': Text(shape=(), dtype=string),
    'fr': Text(shape=(), dtype=string),
})

• Documentação do recurso:

Característica	Classe	Forma	Tipo D	Descrição
	Tradução
pt	Texto		corda
fr	Texto		corda

• Chaves supervisionadas (consulte as_supervised doc ): ('fr', 'en')

• Exemplos ( tfds.as_dataframe ):

wmt14_translate/hi-en

• Descrição da configuração : conjunto de dados de tarefa de tradução hi-en do WMT 2014.

• Tamanho do download : 44.65 MiB

• Tamanho do conjunto de dados : 77.53 MiB

• Cache automático ( documentação ): Sim

• Divisões :

Dividir	Exemplos
'test'	2.507
'train'	313.748
'validation'	520

• Estrutura de recursos :

Translation({
    'en': Text(shape=(), dtype=string),
    'hi': Text(shape=(), dtype=string),
})

• Documentação do recurso:

Característica	Classe	Forma	Tipo D	Descrição
	Tradução
pt	Texto		corda
Oi	Texto		corda

• Chaves supervisionadas (Consulte as_supervised doc ): ('hi', 'en')

• Exemplos ( tfds.as_dataframe ):

wmt14_translate/ru-en

• Descrição da configuração : WMT 2014 conjunto de dados de tarefa de tradução ru-en.

• Tamanho do download : 998.38 MiB

• Tamanho do conjunto de dados : 839.40 MiB

• Armazenado em cache automaticamente ( documentação ): Não

• Divisões :

Dividir	Exemplos
'test'	3.003
'train'	2.486.965
'validation'	3.000

• Estrutura de recursos :

Translation({
    'en': Text(shape=(), dtype=string),
    'ru': Text(shape=(), dtype=string),
})

• Documentação do recurso:

Característica	Classe	Forma	Tipo D	Descrição
	Tradução
pt	Texto		corda
ru	Texto		corda

• Chaves supervisionadas (Consulte as_supervised doc ): ('ru', 'en')

• Exemplos ( tfds.as_dataframe ):