wmt18_translate

  • Descriptif :

Traduire l'ensemble de données en fonction des données de statmt.org.

Des versions existent pour les différentes années en utilisant une combinaison de plusieurs sources de données. La base wmt_translate vous permet de créer votre propre configuration pour choisir votre propre paire données/langue en créant un tfds.translate.wmt.WmtConfig personnalisé.

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)

  • Documentation complémentaire : Explorer sur Papers With Code

  • Page d'accueil : http://www.statmt.org/wmt18/translation-task.html

  • Code source : tfds.translate.Wmt18Translate

  • Versions :

    • 1.0.0 (par défaut) : aucune note de version.

  • Instructions de téléchargement manuel : cet ensemble de données nécessite que vous téléchargiez manuellement les données sources dans download_config.manual_dir (par défaut ~/tensorflow_datasets/downloads/manual/ ) :
    Certaines des configurations wmt ici nécessitent un téléchargement manuel. Veuillez regarder dans wmt.py pour voir le chemin exact (et le nom du fichier) qui doit être téléchargé.

  • Figure ( tfds.show_examples ) : non pris en charge.

  • Citation :

@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 (configuration par défaut)

  • Description de la configuration : jeu de données de tâche de traduction WMT 2018 cs-en.

  • Taille du téléchargement : 1.89 GiB

  • Taille du jeu de données : 3.84 GiB

  • Mise en cache automatique ( documentation ): Non

  • Fractionnements :

Diviser Exemples
'test' 2 983
'train' 24 021 877
'validation' 3 005
  • Structure des fonctionnalités :
Translation({
    'cs': Text(shape=(), dtype=string),
    'en': Text(shape=(), dtype=string),
})
  • Documentation des fonctionnalités :
Caractéristique Classer Forme Dtype La description
Traduction
cs Texte chaîne de caractères
fr Texte chaîne de caractères

wmt18_translate/de-fr

  • Description de la configuration : ensemble de données de tâche de traduction de-en WMT 2018.

  • Taille du téléchargement : 3.55 GiB

  • Taille du jeu de données : 8.44 GiB

  • Mise en cache automatique ( documentation ): Non

  • Fractionnements :

Diviser Exemples
'test' 2 998
'train' 42 271 874
'validation' 3 004
  • Structure des fonctionnalités :
Translation({
    'de': Text(shape=(), dtype=string),
    'en': Text(shape=(), dtype=string),
})
  • Documentation des fonctionnalités :
Caractéristique Classer Forme Dtype La description
Traduction
de Texte chaîne de caractères
fr Texte chaîne de caractères

wmt18_translate/et-fr

  • Description de la configuration : ensemble de données de tâche de traduction WMT 2018 et-en.

  • Taille du téléchargement : 499.91 MiB

  • Taille du jeu de données : 663.80 MiB

  • Mise en cache automatique ( documentation ): Non

  • Fractionnements :

Diviser Exemples
'test' 2 000
'train' 2 175 873
'validation' 2 000
  • Structure des fonctionnalités :
Translation({
    'en': Text(shape=(), dtype=string),
    'et': Text(shape=(), dtype=string),
})
  • Documentation des fonctionnalités :
Caractéristique Classer Forme Dtype La description
Traduction
fr Texte chaîne de caractères
et Texte chaîne de caractères

wmt18_translate/fi-fr

  • Description de la configuration : ensemble de données de tâche de traduction fi-en WMT 2018.

  • Taille du téléchargement : 468.76 MiB

  • Taille du jeu de données : 889.40 MiB

  • Mise en cache automatique ( documentation ): Non

  • Fractionnements :

Diviser Exemples
'test' 3 000
'train' 3 280 600
'validation' 6 004
  • Structure des fonctionnalités :
Translation({
    'en': Text(shape=(), dtype=string),
    'fi': Text(shape=(), dtype=string),
})
  • Documentation des fonctionnalités :
Caractéristique Classer Forme Dtype La description
Traduction
fr Texte chaîne de caractères
Fi Texte chaîne de caractères

wmt18_translate/ru-fr

  • Description de la configuration : jeu de données de la tâche de traduction WMT 2018 ru-en.

  • Taille du téléchargement : 1.63 GiB

  • Taille du jeu de données : 13.89 GiB

  • Mise en cache automatique ( documentation ): Non

  • Fractionnements :

Diviser Exemples
'test' 3 000
'train' 37 858 512
'validation' 3 001
  • Structure des fonctionnalités :
Translation({
    'en': Text(shape=(), dtype=string),
    'ru': Text(shape=(), dtype=string),
})
  • Documentation des fonctionnalités :
Caractéristique Classer Forme Dtype La description
Traduction
fr Texte chaîne de caractères
ru Texte chaîne de caractères

wmt18_translate/tr-fr

  • Description de la configuration : jeu de données de la tâche de traduction WMT 2018 tr-en.

  • Taille du téléchargement : 59.32 MiB

  • Taille du jeu de données : 63.78 MiB

  • Mise en cache automatique ( documentation ): Oui

  • Fractionnements :

Diviser Exemples
'test' 3 000
'train' 205 756
'validation' 3 007
  • Structure des fonctionnalités :
Translation({
    'en': Text(shape=(), dtype=string),
    'tr': Text(shape=(), dtype=string),
})
  • Documentation des fonctionnalités :
Caractéristique Classer Forme Dtype La description
Traduction
fr Texte chaîne de caractères
tr Texte chaîne de caractères

wmt18_translate/zh-fr

  • Description de la configuration : jeu de données de tâche de traduction WMT 2018 zh-en.

  • Taille du téléchargement : 831.45 MiB

  • Taille du jeu de données : 6.43 GiB

  • Mise en cache automatique ( documentation ): Non

  • Fractionnements :

Diviser Exemples
'test' 3 981
'train' 25 162 209
'validation' 2 001
  • Structure des fonctionnalités :
Translation({
    'en': Text(shape=(), dtype=string),
    'zh': Text(shape=(), dtype=string),
})
  • Documentation des fonctionnalités :
Caractéristique Classer Forme Dtype La description
Traduction
fr Texte chaîne de caractères
zh Texte chaîne de caractères