cnn_dailymail

• Deskripsi :

Kumpulan data ringkasan non-anonim CNN / DailyMail.

Ada dua fitur: - artikel: teks artikel berita, digunakan sebagai dokumen yang akan diringkas - highlight: teks sorotan yang digabungkan dengan dan di sekitar setiap sorotan, yang merupakan ringkasan target

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

• Kode sumber : tfds.summarization.CnnDailymail

• Versi :

  • 1.0.0 : API split baru ( https://tensorflow.org/datasets/splits )

  • 2.0.0 : Pisahkan kalimat target dengan baris baru. (Memiliki model yang memprediksi pemisah baris baru membuatnya lebih mudah untuk mengevaluasi menggunakan ROUGE tingkat ringkasan.)

  • 3.0.0 : Menggunakan versi cased.

  • 3.1.0 (default): BuilderConfig dihapus

• Ukuran unduhan : 558.32 MiB

• Ukuran set data : 1.27 GiB

• Cache otomatis ( dokumentasi ): Tidak

• Split :

• Fitur :

FeaturesDict({
    'article': Text(shape=(), dtype=tf.string),
    'highlights': Text(shape=(), dtype=tf.string),
})

• Kunci yang diawasi (Lihat as_supervised doc ): ('article', 'highlights')

• Kutipan :

@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}
}

• Gambar ( tfds.show_examples ): Tidak didukung.

• Contoh ( tfds.as_dataframe ):