O Dia da Comunidade de ML é dia 9 de novembro! Junte-nos para atualização de TensorFlow, JAX, e mais Saiba mais

dardo

  • Descrição:

DART (registro de dados para geração de texto) contém relação de entidade RDF anotada com descrições de frases que cobrem todos os fatos no conjunto triplo. O DART foi construído usando conjuntos de dados existentes, como: WikiTableQuestions, WikiSQL, WebNLG e Cleaned E2E. As tabelas de WikiTableQuestions e WikiSQL foram transformadas em triplos sujeito-predicado-objeto, e suas anotações de texto foram coletadas principalmente de MTurk. As representações significativas em E2E também foram transformadas em triplas e suas descrições foram usadas, algumas que não puderam ser transformadas foram descartadas.

As divisões do conjunto de dados E2E e WebNLG são mantidas, e para o WikiTableQuestions e o WikiSQL a similaridade de Jaccard é usada para manter tabelas semelhantes no mesmo conjunto (treinar / dev / tes).

Este conjunto de dados é construído seguindo um formato de tabela padronizado.

Dividir Exemplos
'test' 12.552
'train' 62.659
'validation' 6.980
  • Características:
FeaturesDict({
    'input_text': FeaturesDict({
        'table': Sequence({
            'column_header': tf.string,
            'content': tf.string,
            'row_number': tf.int16,
        }),
    }),
    'target_text': tf.string,
})
  • citação:
@article{radev2020dart,
  title={DART: Open-Domain Structured Data Record to Text Generation},
  author={Dragomir Radev and Rui Zhang and Amrit Rau and Abhinand Sivaprasad and Chiachun Hsieh and Nazneen Fatema Rajani and Xiangru Tang and Aadit Vyas and Neha Verma and Pranav Krishna and Yangxiaokang Liu and Nadia Irwanto and Jessica Pan and Faiaz Rahman and Ahmad Zaidi and Murori Mutuma and Yasin Tarabar and Ankit Gupta and Tao Yu and Yi Chern Tan and Xi Victoria Lin and Caiming Xiong and Richard Socher},
  journal={arXiv preprint arXiv:2007.02871},
  year={2020}