lm1b

• توضیحات :

یک مجموعه معیار برای اندازه گیری پیشرفت در مدل سازی زبان آماری استفاده می شود. این تقریباً یک میلیارد کلمه در داده های آموزش دارد.

• صفحه اصلی : http://www.statmt.org/lm-benchmark/

• کد منبع : tfds.text.Lm1b

• نسخه ها :

  • 1.1.0 (پیش فرض): بدون یادداشت انتشار.

• اندازه بارگیری : 1.67 GiB

• اندازه مجموعه داده : 4.40 GiB

• ذخیره خودکار ( مستندات ): خیر

• تقسیم :

• ویژگی ها :

FeaturesDict({
    'text': Text(shape=(), dtype=tf.string),
})

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

• نقل قول :

@article{DBLP:journals/corr/ChelbaMSGBK13,
  author    = {Ciprian Chelba and
               Tomas Mikolov and
               Mike Schuster and
               Qi Ge and
               Thorsten Brants and
               Phillipp Koehn},
  title     = {One Billion Word Benchmark for Measuring Progress in Statistical Language
               Modeling},
  journal   = {CoRR},
  volume    = {abs/1312.3005},
  year      = {2013},
  url       = {http://arxiv.org/abs/1312.3005},
  archivePrefix = {arXiv},
  eprint    = {1312.3005},
  timestamp = {Mon, 13 Aug 2018 16:46:16 +0200},
  biburl    = {https://dblp.org/rec/bib/journals/corr/ChelbaMSGBK13},
  bibsource = {dblp computer science bibliography, https://dblp.org}
}

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

• مثالها ( tfds.as_dataframe ):