wordnet

• Descrizione :

WordNet è un grande database lessicale dell'inglese. Sostantivi, verbi, aggettivi e avverbi sono raggruppati in insiemi di sinonimi cognitivi (synsets), ognuno dei quali esprime un concetto distinto. I synset sono interconnessi per mezzo di relazioni concettuale-semantiche e lessicali.

• Documentazione aggiuntiva : Esplora documenti con codice

• Pagina iniziale : https://wordnet.princeton.edu/

• Codice sorgente : tfds.text.Wordnet

• Versioni :

  • 0.1.0 (impostazione predefinita): nessuna nota di rilascio.

• Dimensione del download : 3.99 MiB

• Auto-cache ( documentazione ): Sì

• Struttura delle caratteristiche :

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

• Documentazione delle funzionalità :

Caratteristica	Classe	Forma	Tipo D	Descrizione
	CaratteristicheDict
sx	Testo		corda
relazione	Testo		corda
destra	Testo		corda

• Chiavi supervisionate (Vedi as_supervised doc ): None

• Figura ( tfds.show_examples ): non supportato.

wordnet/WN18 (configurazione predefinita)

• Descrizione della configurazione : Questo WORDNET TENSOR DATA è costituito da una raccolta di triplette (synset, relation_type, triplet) estratte da WordNet 3.0 ( http://wordnet.princeton.edu ). Questo set di dati può essere visto come un tensore a 3 modalità che rappresenta le relazioni ternarie tra i synset. Vedi https://everest.hds.utc.fr/doku.php?id=en :transe.

• Dimensione del set di dati: 11.07 MiB

• Divisioni :

Diviso	Esempi
'test'	5.000
'train'	141.442
'validation'	5.000

• Esempi ( tfds.as_dataframe ):

• Citazione :

@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

• Descrizione della configurazione : uguale a WN18 ma corregge la perdita del test attraverso relazioni inverse. Vedere https://github.com/TimDettmers/ConvE

• Dimensione del set di dati: 7.02 MiB

• Divisioni :

Diviso	Esempi
'test'	3.134
'train'	86.835
'validation'	3.034

• Esempi ( tfds.as_dataframe ):

• Citazione :

@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}
}