cnn_dailymail

  • Descripción :

Conjunto de datos de resumen no anónimo de CNN/DailyMail.

Hay dos características: - artículo: texto del artículo de noticias, que se utiliza como documento que se va a resumir - destacados: texto unido de destacados con y alrededor de cada destacado, que es el resumen de destino

  • Página de inicio: https://github.com/abisee/cnn-dailymail

  • Código fuente : tfds.summarization.CnnDailymail

  • Versiones :

    • 1.0.0 : nueva API dividida ( https://tensorflow.org/datasets/splits )
    • 2.0.0 : oraciones de destino separadas con nueva línea. (Hacer que el modelo prediga los separadores de nueva línea facilita la evaluación utilizando ROUGE de nivel de resumen).

    • 3.0.0 : Uso de la versión con carcasa.

    • 3.1.0 : Eliminado BuilderConfig

    • 3.2.0 : Quite el espacio adicional antes del período de oración agregado. Esto no debería afectar las puntuaciones de ROUGE porque se elimina la puntuación.

    • 3.3.0 : Agregar función de editor.

    • 3.4.0 (predeterminado) : Agregar función de ID.

  • Tamaño de la descarga : 558.32 MiB

  • Tamaño del conjunto de datos : 1.29 GiB

  • Almacenamiento automático en caché ( documentación ): No

  • Divisiones :

Separar Ejemplos
'test' 11,490
'train' 287,113
'validation' 13,368
  • Estructura de características :
FeaturesDict({
    'article': Text(shape=(), dtype=tf.string),
    'highlights': Text(shape=(), dtype=tf.string),
    'id': Text(shape=(), dtype=tf.string),
    'publisher': Text(shape=(), dtype=tf.string),
})
  • Documentación de características :
Rasgo Clase Forma Tipo D Descripción
CaracterísticasDict
artículo Texto tf.cadena
Destacar Texto tf.cadena
identificación Texto tf.cadena
editor Texto tf.cadena
  • Cita :
@article{DBLP:journals/corr/SeeLM17,
  author    = {Abigail See and
               Peter J. Liu and
               Christopher D. Manning},
  title     = {Get To The Point: Summarization with Pointer-Generator Networks},
  journal   = {CoRR},
  volume    = {abs/1704.04368},
  year      = {2017},
  url       = {http://arxiv.org/abs/1704.04368},
  archivePrefix = {arXiv},
  eprint    = {1704.04368},
  timestamp = {Mon, 13 Aug 2018 16:46:08 +0200},
  biburl    = {https://dblp.org/rec/bib/journals/corr/SeeLM17},
  bibsource = {dblp computer science bibliography, https://dblp.org}
}

@inproceedings{hermann2015teaching,
  title={Teaching machines to read and comprehend},
  author={Hermann, Karl Moritz and Kocisky, Tomas and Grefenstette, Edward and Espeholt, Lasse and Kay, Will and Suleyman, Mustafa and Blunsom, Phil},
  booktitle={Advances in neural information processing systems},
  pages={1693--1701},
  year={2015}
}