imdb_reviews

• توضیحات :

مجموعه داده بررسی فیلم بزرگ. این یک مجموعه داده برای طبقه بندی احساسات باینری است که حاوی داده های بیشتری نسبت به مجموعه داده های معیار قبلی است. ما مجموعه ای از 25000 بررسی فیلم بسیار قطبی را برای آموزش ، و 25000 بررسی فیلم را برای آزمایش ارائه می دهیم. داده های غیر برچسب اضافی نیز برای استفاده وجود دارد.

• صفحه اصلی : http://ai.stanford.edu/~amaas/data/sentiment/

• کد منبع : tfds.text.IMDBReviews

• نسخه ها :

  • 1.0.0 (پیش فرض): API جدید تقسیم شده ( https://tensorflow.org/datasets/splits )

• اندازه 80.23 MiB : 80.23 MiB

• اندازه مجموعه داده : Unknown size

• ذخیره خودکار ( مستندات ): ناشناخته است

• تقسیم :

• کلیدهای تحت نظارت (به as_supervised سند نظارت شده مراجعه کنید): ('text', 'label')

• نقل قول :

@InProceedings{maas-EtAl:2011:ACL-HLT2011,
  author    = {Maas, Andrew L.  and  Daly, Raymond E.  and  Pham, Peter T.  and  Huang, Dan  and  Ng, Andrew Y.  and  Potts, Christopher},
  title     = {Learning Word Vectors for Sentiment Analysis},
  booktitle = {Proceedings of the 49th Annual Meeting of the Association for Computational Linguistics: Human Language Technologies},
  month     = {June},
  year      = {2011},
  address   = {Portland, Oregon, USA},
  publisher = {Association for Computational Linguistics},
  pages     = {142--150},
  url       = {http://www.aclweb.org/anthology/P11-1015}
}

• شکل ( tfds.show_examples ): پشتیبانی نمی شود.

imdb_reviews / plain_text (پیکربندی پیش فرض)

• شرح پیکربندی : متن ساده

• ویژگی ها :

FeaturesDict({
    'label': ClassLabel(shape=(), dtype=tf.int64, num_classes=2),
    'text': Text(shape=(), dtype=tf.string),
})

• مثالها ( tfds.as_dataframe ):

imdb_reviews / بایت

• توضیحات پیکربندی : از کدگذاری متن در سطح بایت با tfds.deprecated.text.ByteTextEncoder

• ویژگی ها :

FeaturesDict({
    'label': ClassLabel(shape=(), dtype=tf.int64, num_classes=2),
    'text': Text(shape=(None,), dtype=tf.int64, encoder=<ByteTextEncoder vocab_size=257>),
})

• مثالها ( tfds.as_dataframe ):

imdb_reviews / subwords8k

• توضیحات پیکربندی : از tfds.deprecated.text.SubwordTextEncoder با اندازه tfds.deprecated.text.SubwordTextEncoder 8k استفاده می کند

• ویژگی ها :

FeaturesDict({
    'label': ClassLabel(shape=(), dtype=tf.int64, num_classes=2),
    'text': Text(shape=(None,), dtype=tf.int64, encoder=<SubwordTextEncoder vocab_size=8185>),
})

• مثالها ( tfds.as_dataframe ):

imdb_reviews / subwords32k

• شرح پیکربندی : از tfds.deprecated.text.SubwordTextEncoder با اندازه tfds.deprecated.text.SubwordTextEncoder 32k استفاده می کند

• ویژگی ها :

FeaturesDict({
    'label': ClassLabel(shape=(), dtype=tf.int64, num_classes=2),
    'text': Text(shape=(None,), dtype=tf.int64, encoder=<SubwordTextEncoder vocab_size=32650>),
})

• مثالها ( tfds.as_dataframe ):