wordnet

• opis :

WordNet to duża leksykalna baza danych języka angielskiego. Rzeczowniki, czasowniki, przymiotniki i przysłówki są pogrupowane w zestawy synonimów poznawczych (synsetów), z których każdy wyraża odrębną koncepcję. Synsety są ze sobą powiązane za pomocą relacji pojęciowo-semantycznych i leksykalnych.

• Dodatkowa dokumentacja : Przeglądaj dokumenty z kodem na

• Strona główna : https://wordnet.princeton.edu/

• Kod źródłowy : tfds.text.Wordnet

• Wersje :

  • 0.1.0 (domyślnie): Brak informacji o wersji.

• Rozmiar pliku do pobrania : 3.99 MiB

• Automatyczne buforowanie ( dokumentacja ): Tak

• Struktura funkcji :

FeaturesDict({
    'lhs': Text(shape=(), dtype=string),
    'relation': Text(shape=(), dtype=string),
    'rhs': Text(shape=(), dtype=string),
})

• Dokumentacja funkcji :

Funkcja	Klasa	Kształt	Typ D	Opis
	FunkcjeDict
lewa	Tekst		strunowy
relacja	Tekst		strunowy
po prawej stronie	Tekst		strunowy

• Klucze nadzorowane (Zobacz dokument as_supervised ): None

• Rysunek ( tfds.show_examples ): Nieobsługiwany.

wordnet/WN18 (domyślna konfiguracja)

• Opis konfiguracji: DANE TENSOROWE WORDNET składają się z kolekcji trójek (synset, typ relacji, trójka) wyodrębnionych z programu WordNet 3.0 ( http://wordnet.princeton.edu ). Ten zestaw danych można postrzegać jako 3-trybowy tensor przedstawiający trójskładnikowe relacje między synsetami. Zobacz https://everest.hds.utc.fr/doku.php?id=en:transe .

• Rozmiar zestawu danych : 11.07 MiB

• Podziały :

Rozdzielać	Przykłady
'test'	5000
'train'	141442
'validation'	5000

• Przykłady ( tfds.as_dataframe ):

• Cytat :

@article{10.1145/219717.219748,
author = {Miller, George A.},
title = {WordNet: A Lexical Database for English},
year = {1995},
issue_date = {Nov. 1995},
publisher = {Association for Computing Machinery},
address = {New York, NY, USA},
volume = {38},
number = {11},
issn = {0001-0782},
url = {https://doi.org/10.1145/219717.219748},
doi = {10.1145/219717.219748},
journal = {Commun. ACM},
month = nov,
pages = {39--41},
numpages = {3}
}

@incollection{NIPS2013_5071,
title = {Translating Embeddings for Modeling Multi-relational Data},
author = {Bordes, Antoine and Usunier, Nicolas and Garcia-Duran, Alberto and Weston, Jason and Yakhnenko, Oksana},
booktitle = {Advances in Neural Information Processing Systems 26},
editor = {C. J. C. Burges and L. Bottou and M. Welling and Z. Ghahramani and K. Q. Weinberger},
pages = {2787--2795},
year = {2013},
publisher = {Curran Associates, Inc.},
url = {http://papers.nips.cc/paper/5071-translating-embeddings-for-modeling-multi-relational-data.pdf}
}

wordnet/WN18RR

• Opis konfiguracji: To samo co WN18, ale naprawia przecieki testowe poprzez odwrotne relacje. Zobacz https://github.com/TimDettmers/ConvE

• Rozmiar zestawu danych : 7.02 MiB

• Podziały :

Rozdzielać	Przykłady
'test'	3134
'train'	86835
'validation'	3034

• Przykłady ( tfds.as_dataframe ):

• Cytat :

@article{10.1145/219717.219748,
author = {Miller, George A.},
title = {WordNet: A Lexical Database for English},
year = {1995},
issue_date = {Nov. 1995},
publisher = {Association for Computing Machinery},
address = {New York, NY, USA},
volume = {38},
number = {11},
issn = {0001-0782},
url = {https://doi.org/10.1145/219717.219748},
doi = {10.1145/219717.219748},
journal = {Commun. ACM},
month = nov,
pages = {39--41},
numpages = {3}
}

@inproceedings{dettmers2018conve,
    Author = {Dettmers, Tim and Pasquale, Minervini and Pontus, Stenetorp and Riedel, Sebastian},
    Booktitle = {Proceedings of the 32th AAAI Conference on Artificial Intelligence},
    Title = {Convolutional 2D Knowledge Graph Embeddings},
    Url = {https://arxiv.org/abs/1707.01476},
    Year = {2018},
        pages  = {1811--1818},
    Month = {February}
}