wmt16_traducir

  • Descripción :

Traduzca el conjunto de datos según 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)

  • Documentación adicional : Explore en Papers With Code

  • Página de inicio : http://www.statmt.org/wmt16/translation-task.html

  • Código fuente : tfds.translate.Wmt16Translate

  • Versiones :

    • 1.0.0 (predeterminado): Sin notas de la versión.

  • 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.

  • Figura ( tfds.show_examples ): no compatible.

  • Cita :

@InProceedings{bojar-EtAl:2016:WMT1,
  author    = {Bojar, Ond
{r}ej  and  Chatterjee, Rajen  and  Federmann, Christian  and  Graham, Yvette  and  Haddow, Barry  and  Huck, Matthias  and  Jimeno Yepes, Antonio  and  Koehn, Philipp  and  Logacheva, Varvara  and  Monz, Christof  and  Negri, Matteo  and  Neveol, Aurelie  and  Neves, Mariana  and  Popel, Martin  and  Post, Matt  and  Rubino, Raphael  and  Scarton, Carolina  and  Specia, Lucia  and  Turchi, Marco  and  Verspoor, Karin  and  Zampieri, Marcos},
  title     = {Findings of the 2016 Conference on Machine Translation},
  booktitle = {Proceedings of the First Conference on Machine Translation},
  month     = {August},
  year      = {2016},
  address   = {Berlin, Germany},
  publisher = {Association for Computational Linguistics},
  pages     = {131--198},
  url       = {http://www.aclweb.org/anthology/W/W16/W16-2301}
}

wmt16_translate/cs-en (configuración predeterminada)

  • Descripción de la configuración : conjunto de datos de la tarea de traducción WMT 2016 cs-en.

  • Tamaño de descarga : 1.57 GiB

  • Tamaño del conjunto de datos : 7.56 GiB

  • Almacenamiento automático en caché ( documentación ): No

  • Divisiones :

Separar Ejemplos
'test' 2,999
'train' 52,335,651
'validation' 2,656
  • Estructura de características :
Translation({
    'cs': Text(shape=(), dtype=string),
    'en': Text(shape=(), dtype=string),
})
  • Documentación de características :
Rasgo Clase Forma Tipo D Descripción
Traducción
cs Texto cuerda
es Texto cuerda

wmt16_translate/de-en

  • Descripción de la configuración : conjunto de datos de la tarea de traducción de-en de WMT 2016.

  • Tamaño de descarga : 1.57 GiB

  • Tamaño del conjunto de datos : 1.38 GiB

  • Almacenamiento automático en caché ( documentación ): No

  • Divisiones :

Separar Ejemplos
'test' 2,999
'train' 4,548,885
'validation' 2,169
  • Estructura de características :
Translation({
    'de': Text(shape=(), dtype=string),
    'en': Text(shape=(), dtype=string),
})
  • Documentación de características :
Rasgo Clase Forma Tipo D Descripción
Traducción
Delaware Texto cuerda
es Texto cuerda

wmt16_translate/fi-es

  • Descripción de la configuración : conjunto de datos de la tarea de traducción fi-en de WMT 2016.

  • Tamaño de la descarga : 260.51 MiB

  • Tamaño del conjunto de datos : 624.31 MiB

  • Almacenamiento automático en caché ( documentación ): No

  • Divisiones :

Separar Ejemplos
'test' 6,000
'train' 2,073,394
'validation' 1,370
  • Estructura de características :
Translation({
    'en': Text(shape=(), dtype=string),
    'fi': Text(shape=(), dtype=string),
})
  • Documentación de características :
Rasgo Clase Forma Tipo D Descripción
Traducción
es Texto cuerda
fi Texto cuerda

wmt16_translate/ro-es

  • Descripción de la configuración : conjunto de datos de la tarea de traducción ro-en de WMT 2016.

  • Tamaño de la descarga : 273.83 MiB

  • Tamaño del conjunto de datos : 194.35 MiB

  • Almacenamiento automático en caché ( documentación ): Sí (prueba, validación), solo cuando shuffle_files=False (tren)

  • Divisiones :

Separar Ejemplos
'test' 1,999
'train' 610,320
'validation' 1,999
  • Estructura de características :
Translation({
    'en': Text(shape=(), dtype=string),
    'ro': Text(shape=(), dtype=string),
})
  • Documentación de características :
Rasgo Clase Forma Tipo D Descripción
Traducción
es Texto cuerda
Ro Texto cuerda

wmt16_translate/ru-es

  • Descripción de la configuración : conjunto de datos de la tarea de traducción ru-en de WMT 2016.

  • Tamaño de la descarga : 993.38 MiB

  • Tamaño del conjunto de datos : 854.44 MiB

  • Almacenamiento automático en caché ( documentación ): No

  • Divisiones :

Separar Ejemplos
'test' 2,998
'train' 2,516,162
'validation' 2,818
  • Estructura de características :
Translation({
    'en': Text(shape=(), dtype=string),
    'ru': Text(shape=(), dtype=string),
})
  • Documentación de características :
Rasgo Clase Forma Tipo D Descripción
Traducción
es Texto cuerda
tu Texto cuerda

wmt16_translate/tr-es

  • Descripción de la configuración : conjunto de datos de la tarea de traducción tr-en de WMT 2016.

  • Tamaño de la descarga : 59.32 MiB

  • Tamaño del conjunto de datos : 63.21 MiB

  • Almacenamiento automático en caché ( documentación ): Sí

  • Divisiones :

Separar Ejemplos
'test' 3,000
'train' 205,756
'validation' 1,001
  • Estructura de características :
Translation({
    'en': Text(shape=(), dtype=string),
    'tr': Text(shape=(), dtype=string),
})
  • Documentación de características :
Rasgo Clase Forma Tipo D Descripción
Traducción
es Texto cuerda
tr Texto cuerda