cnn_dailymail

  • 説明

CNN / DailyMailの匿名化されていない要約データセット。

2つの機能があります: -記事:文書として使用するニュース記事のテキストは、要約するために-ハイライトは:とし、ターゲットの概要は、各ハイライト、周りのハイライトの参加テキスト

  • ホームページhttps://github.com/abisee/cnn-dailymail

  • ソースコードtfds.summarization.CnnDailymail

  • バージョン

    • 1.0.0 :新しいスプリットAPI( https://tensorflow.org/datasets/splits
    • 2.0.0 :改行で区切りターゲット文章。 (モデルに改行区切り文字を予測させると、要約レベルのROUGEを使用して評価するのが簡単になります。)

    • 3.0.0 :ケース入りバージョンを使用します。

    • 3.1.0 (デフォルト):削除さBuilderConfig

  • ダウンロードサイズ558.32 MiB

  • データセットサイズ1.27 GiB

  • オートキャッシュされたドキュメント):いいえ

  • スプリット

スプリット
'test' 11,490
'train' 287,113
'validation' 13,368
  • 特長
FeaturesDict({
    'article': Text(shape=(), dtype=tf.string),
    'highlights': Text(shape=(), dtype=tf.string),
})
  • 引用
@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}
}