gigapalavra

  • Descrição :

Geração de títulos em um corpus de pares de artigos do Gigaword, consistindo em cerca de 4 milhões de artigos. Use o 'org_data' fornecido por https://github.com/microsoft/unilm/ que é idêntico a https://github.com/harvardnlp/sent-summary , mas com formato melhor.

Existem duas características: - documento: artigo. - resumo: manchete.

Dividir Exemplos
'test' 1.951
'train' 3.803.957
'validation' 189.651
  • Estrutura de recursos :
FeaturesDict({
    'document': Text(shape=(), dtype=string),
    'summary': Text(shape=(), dtype=string),
})
  • Documentação do recurso:
Característica Classe Forma Tipo D Descrição
RecursosDict
documento Texto corda
resumo Texto corda
  • Citação :
@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}
}