cnn_dailymail

  • Descrição :

Conjunto de dados de resumo não anonimizado CNN/DailyMail.

Existem duas características: - artigo: texto do artigo de notícias, usado como documento a ser resumido - destaques: texto unido dos destaques com e ao redor de cada destaque, que é o resumo de destino

  • Documentação Adicional : Explore em Papers With Code

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

  • Código -fonte: tfds.summarization.CnnDailymail

  • Versões :

    • 1.0.0 : Nova API de divisão ( https://tensorflow.org/datasets/splits )
    • 2.0.0 : Separe as frases de destino com nova linha. (Fazer com que o modelo preveja separadores de nova linha facilita a avaliação usando o ROUGE de nível de resumo.)

    • 3.0.0 : Usando a versão case.

    • 3.1.0 : BuilderConfig removido

    • 3.2.0 : Remova o espaço extra antes do período de sentença adicionado. Isso não deve afetar as pontuações do ROUGE porque a pontuação foi removida.

    • 3.3.0 : Adicionar recurso de editor.

    • 3.4.0 (padrão): Adicionar recurso de ID.

  • Tamanho do download : 558.32 MiB

  • Tamanho do conjunto de dados : 1.29 GiB

  • Armazenado em cache automaticamente ( documentação ): Não

  • Divisões :

Dividir Exemplos
'test' 11.490
'train' 287.113
'validation' 13.368
  • Estrutura de recursos :
FeaturesDict({
    'article': Text(shape=(), dtype=string),
    'highlights': Text(shape=(), dtype=string),
    'id': Text(shape=(), dtype=string),
    'publisher': Text(shape=(), dtype=string),
})
  • Documentação do recurso:
Característica Classe Forma Tipo D Descrição
RecursosDict
artigo Texto corda
Destaques Texto corda
Eu iria Texto corda
editor Texto corda
  • Citação :
@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}
}