cnn_dailymail

  • 설명 :

CNN/DailyMail 비익명 요약 데이터 세트.

두 가지 기능이 있습니다. - 기사: 요약할 문서로 사용되는 뉴스 기사의 텍스트 - 하이라이트: 대상 요약인 각 하이라이트 주변에 하이라이트가 결합된 텍스트

  • 추가 문서 : 코드가 있는 논문에서 탐색

  • 홈페이지 : https://github.com/abisee/cnn-dailymail

  • 소스 코드 : tfds.summarization.CnnDailymail

  • 버전 :

    • 1.0.0 : 새로운 분할 API( https://tensorflow.org/datasets/splits )
    • 2.0.0 : 줄 바꿈으로 대상 문장을 구분합니다. (모델이 개행 구분 기호를 예측하도록 하면 요약 수준의 ROUGE를 사용하여 평가하기가 더 쉬워집니다.)

    • 3.0.0 : 케이스 버전 사용.

    • 3.1.0 : BuilderConfig 제거

    • 3.2.0 : 문장 마침표를 추가하기 전에 여분의 공백을 제거합니다. 문장 부호가 제거되기 때문에 이것은 ROUGE 점수에 영향을 미치지 않습니다.

    • 3.3.0 : 게시자 기능을 추가합니다.

    • 3.4.0 (기본값): ID 기능을 추가합니다.

  • 다운로드 크기 : 558.32 MiB

  • 데이터세트 크기 : 1.29 GiB

  • 자동 캐시 ( 문서 ): 아니요

  • 분할 :

나뉘다
'test' 11,490
'train' 287,113
'validation' 13,368
  • 기능 구조 :
FeaturesDict({
    'article': Text(shape=(), dtype=string),
    'highlights': Text(shape=(), dtype=string),
    'id': Text(shape=(), dtype=string),
    'publisher': Text(shape=(), dtype=string),
})
  • 기능 문서 :
특징 수업 모양 D타입 설명
풍모Dict
기사 텍스트
하이라이트 텍스트
ID 텍스트
발행자 텍스트
  • 인용 :
@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}
}