wmt18_translate

  • 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)

@InProceedings{bojar-EtAl:2018:WMT1,
  author    = {Bojar, Ond
{r}ej  and  Federmann, Christian  and  Fishel, Mark
    and Graham, Yvette  and  Haddow, Barry  and  Huck, Matthias  and
    Koehn, Philipp  and  Monz, Christof},
  title     = {Findings of the 2018 Conference on Machine Translation (WMT18)},
  booktitle = {Proceedings of the Third Conference on Machine Translation,
    Volume 2: Shared Task Papers},
  month     = {October},
  year      = {2018},
  address   = {Belgium, Brussels},
  publisher = {Association for Computational Linguistics},
  pages     = {272--307},
  url       = {http://www.aclweb.org/anthology/W18-6401}
}

wmt18_translate/cs-en (configuração padrão)

  • Descrição da configuração : conjunto de dados da tarefa de tradução WMT 2018 cs-en.

  • Tamanho do download : 1.89 GiB

  • Tamanho do conjunto de dados : 3.84 GiB

  • Armazenado em cache automaticamente ( documentação ): Não

  • Divisões :

Dividir Exemplos
'test' 2.983
'train' 24.021.877
'validation' 3.005
  • 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

wmt18_translate/de-en

  • Descrição da configuração : conjunto de dados de tarefa de tradução de-en WMT 2018.

  • Tamanho do download : 3.55 GiB

  • Tamanho do conjunto de dados : 8.44 GiB

  • Armazenado em cache automaticamente ( documentação ): Não

  • Divisões :

Dividir Exemplos
'test' 2.998
'train' 42.271.874
'validation' 3.004
  • 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

wmt18_translate/et-en

  • Descrição da configuração : conjunto de dados da tarefa de tradução WMT 2018 et-en.

  • Tamanho do download : 499.91 MiB

  • Tamanho do conjunto de dados : 663.80 MiB

  • Armazenado em cache automaticamente ( documentação ): Não

  • Divisões :

Dividir Exemplos
'test' 2.000
'train' 2.175.873
'validation' 2.000
  • Estrutura de recursos :
Translation({
    'en': Text(shape=(), dtype=string),
    'et': Text(shape=(), dtype=string),
})
  • Documentação do recurso:
Característica Classe Forma Tipo D Descrição
Tradução
pt Texto corda
et Texto corda

wmt18_translate/fi-en

  • Descrição da configuração : WMT 2018 conjunto de dados de tarefa de tradução fi-en.

  • Tamanho do download : 468.76 MiB

  • Tamanho do conjunto de dados : 889.40 MiB

  • Armazenado em cache automaticamente ( documentação ): Não

  • Divisões :

Dividir Exemplos
'test' 3.000
'train' 3.280.600
'validation' 6.004
  • Estrutura de recursos :
Translation({
    'en': Text(shape=(), dtype=string),
    'fi': Text(shape=(), dtype=string),
})
  • Documentação do recurso:
Característica Classe Forma Tipo D Descrição
Tradução
pt Texto corda
fi Texto corda

wmt18_translate/ru-en

  • Descrição da configuração : WMT 2018 conjunto de dados de tarefa de tradução ru-en.

  • Tamanho do download : 1.63 GiB

  • Tamanho do conjunto de dados : 13.89 GiB

  • Armazenado em cache automaticamente ( documentação ): Não

  • Divisões :

Dividir Exemplos
'test' 3.000
'train' 37.858.512
'validation' 3.001
  • 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

wmt18_translate/tr-en

  • Descrição da configuração : WMT 2018 tr-en conjunto de dados da tarefa de tradução.

  • Tamanho do download : 59.32 MiB

  • Tamanho do conjunto de dados : 63.78 MiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'test' 3.000
'train' 205.756
'validation' 3.007
  • Estrutura de recursos :
Translation({
    'en': Text(shape=(), dtype=string),
    'tr': Text(shape=(), dtype=string),
})
  • Documentação do recurso:
Característica Classe Forma Tipo D Descrição
Tradução
pt Texto corda
tr Texto corda

wmt18_translate/zh-en

  • Descrição da configuração : Conjunto de dados da tarefa de tradução WMT 2018 zh-en.

  • Tamanho do download : 831.45 MiB

  • Tamanho do conjunto de dados : 6.43 GiB

  • Armazenado em cache automaticamente ( documentação ): Não

  • Divisões :

Dividir Exemplos
'test' 3.981
'train' 25.162.209
'validation' 2.001
  • Estrutura de recursos :
Translation({
    'en': Text(shape=(), dtype=string),
    'zh': Text(shape=(), dtype=string),
})
  • Documentação do recurso:
Característica Classe Forma Tipo D Descrição
Tradução
pt Texto corda
zh Texto corda