xsum

Descripción :

Conjunto de datos de resumen extremo (XSum).

Hay dos características: - documento: artículo de entrada de noticias. - resumen: Resumen de una oración del artículo.

Estos datos deben descargarse y extraerse manualmente como se describe en https://github.com/EdinburghNLP/XSum/blob/master/XSum-Dataset/README.md La carpeta 'xsum-extracts-from-downloads' debe comprimirse como 'xsum-extracts-from-downloads.tar.gz' y colóquelo en la carpeta descargada manualmente.

Documentación adicional : Explore en Papers With Code
Página de inicio: https://github.com/EdinburghNLP/XSum/tree/master/XSum-Dataset
Código fuente : tfds.summarization.Xsum
Versiones :
- 1.0.0 : conjunto de datos sin limpieza.
- 1.1.0 (predeterminado): Elimina contenidos web.
Tamaño de la descarga : 2.59 MiB
Tamaño del conjunto de datos : 512.03 MiB
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/ ):
Las instrucciones detalladas de descarga (que requieren ejecutar un script personalizado) están aquí: https://github.com/EdinburghNLP/XSum/blob/master/XSum-Dataset/README.md#running-the-download-and-extraction-scripts , coloque el archivo xsum-extracts-from-downloads.tar.gz en manual_dir.
Almacenamiento automático en caché ( documentación ): No
Divisiones :

Separar	Ejemplos
`'test'`	11,301
`'train'`	203,577
`'validation'`	11,305

Estructura de características :

FeaturesDict({
    'document': Text(shape=(), dtype=string),
    'summary': Text(shape=(), dtype=string),
})

Documentación de características :

Rasgo	Clase	Tipo D
	CaracterísticasDict
documento	Texto	cuerda
resumen	Texto	cuerda

Claves supervisadas (Ver as_supervised ): ('document', 'summary')
Figura ( tfds.show_examples ): no compatible.
Ejemplos ( tfds.as_dataframe ):

Cita :

@article{Narayan2018DontGM,
  title={Don't Give Me the Details, Just the Summary! Topic-Aware Convolutional Neural Networks for Extreme Summarization},
  author={Shashi Narayan and Shay B. Cohen and Mirella Lapata},
  journal={ArXiv},
  year={2018},
  volume={abs/1808.08745}
}