گیگاورد

با مجموعه‌ها، منظم بمانید ذخیره و دسته‌بندی محتوا براساس اولویت‌های شما.

  • توضیحات :

تولید سرفصل در مجموعه‌ای از جفت‌های مقاله از Gigaword که شامل حدود 4 میلیون مقاله است. از «org_data» ارائه شده توسط https://github.com/microsoft/unilm/ استفاده کنید که مشابه https://github.com/harvardnlp/sent-summary اما با قالب بهتر است.

دو ویژگی وجود دارد: - سند: مقاله. - خلاصه: سرفصل.

شکاف مثال ها
'test' 1951
'train' 3,803,957
'validation' 189651
  • ساختار ویژگی :
FeaturesDict({
    'document': Text(shape=(), dtype=string),
    'summary': Text(shape=(), dtype=string),
})
  • مستندات ویژگی :
ویژگی کلاس شکل نوع D شرح
FeaturesDict
سند متن رشته
خلاصه متن رشته
  • نقل قول :
@article{graff2003english,
  title={English gigaword},
  author={Graff, David and Kong, Junbo and Chen, Ke and Maeda, Kazuaki},
  journal={Linguistic Data Consortium, Philadelphia},
  volume={4},
  number={1},
  pages={34},
  year={2003}
}

@article{Rush_2015,
   title={A Neural Attention Model for Abstractive Sentence Summarization},
   url={http://dx.doi.org/10.18653/v1/D15-1044},
   DOI={10.18653/v1/d15-1044},
   journal={Proceedings of the 2015 Conference on Empirical Methods in Natural Language Processing},
   publisher={Association for Computational Linguistics},
   author={Rush, Alexander M. and Chopra, Sumit and Weston, Jason},
   year={2015}
}