wmt18_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/wmt18/translation-task.html

  • Código fuente : tfds.translate.Wmt18Translate

  • 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: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 (configuración predeterminada)

  • Descripción de la configuración : conjunto de datos de la tarea de traducción WMT 2018 cs-en.

  • Tamaño de descarga : 1.89 GiB

  • Tamaño del conjunto de datos : 3.84 GiB

  • Almacenamiento automático en caché ( documentación ): No

  • Divisiones :

Separar Ejemplos
'test' 2,983
'train' 24.021.877
'validation' 3.005
  • 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

wmt18_translate/es-es

  • Descripción de la configuración : conjunto de datos de la tarea de traducción de-en WMT 2018.

  • Tamaño de descarga : 3.55 GiB

  • Tamaño del conjunto de datos : 8.44 GiB

  • Almacenamiento automático en caché ( documentación ): No

  • Divisiones :

Separar Ejemplos
'test' 2,998
'train' 42,271,874
'validation' 3,004
  • 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

wmt18_translate/et-es

  • Descripción de la configuración : conjunto de datos de la tarea de traducción WMT 2018 et-en.

  • Tamaño de la descarga : 499.91 MiB

  • Tamaño del conjunto de datos : 663.80 MiB

  • Almacenamiento automático en caché ( documentación ): No

  • Divisiones :

Separar Ejemplos
'test' 2,000
'train' 2,175,873
'validation' 2,000
  • Estructura de características :
Translation({
    'en': Text(shape=(), dtype=string),
    'et': Text(shape=(), dtype=string),
})
  • Documentación de características :
Rasgo Clase Forma Tipo D Descripción
Traducción
es Texto cuerda
et Texto cuerda

wmt18_translate/fi-es

  • Descripción de la configuración : conjunto de datos de la tarea de traducción fi-en de WMT 2018.

  • Tamaño de la descarga : 468.76 MiB

  • Tamaño del conjunto de datos : 889.40 MiB

  • Almacenamiento automático en caché ( documentación ): No

  • Divisiones :

Separar Ejemplos
'test' 3,000
'train' 3,280,600
'validation' 6,004
  • 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

wmt18_translate/ru-es

  • Descripción de la configuración : conjunto de datos de la tarea de traducción ru-en de WMT 2018.

  • Tamaño de descarga : 1.63 GiB

  • Tamaño del conjunto de datos : 13.89 GiB

  • Almacenamiento automático en caché ( documentación ): No

  • Divisiones :

Separar Ejemplos
'test' 3,000
'train' 37.858.512
'validation' 3,001
  • 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

wmt18_translate/tr-es

  • Descripción de la configuración : conjunto de datos de la tarea de traducción tr-en de WMT 2018.

  • Tamaño de la descarga : 59.32 MiB

  • Tamaño del conjunto de datos : 63.78 MiB

  • Almacenamiento automático en caché ( documentación ): Sí

  • Divisiones :

Separar Ejemplos
'test' 3,000
'train' 205,756
'validation' 3.007
  • 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

wmt18_translate/zh-es

  • Descripción de la configuración : conjunto de datos de la tarea de traducción WMT 2018 zh-en.

  • Tamaño de la descarga : 831.45 MiB

  • Tamaño del conjunto de datos : 6.43 GiB

  • Almacenamiento automático en caché ( documentación ): No

  • Divisiones :

Separar Ejemplos
'test' 3,981
'train' 25,162,209
'validation' 2,001
  • Estructura de características :
Translation({
    'en': Text(shape=(), dtype=string),
    'zh': Text(shape=(), dtype=string),
})
  • Documentación de características :
Rasgo Clase Forma Tipo D Descripción
Traducción
es Texto cuerda
Z h Texto cuerda