lm1b

  • Description:

Un corpus de référence à utiliser pour mesurer les progrès de la modélisation statistique du langage. Cela a près d'un milliard de mots dans les données d'entraînement.

Diviser Exemples
'test' 306 688
'train' 30 301 028
  • Caractéristiques:
FeaturesDict({
    'text': Text(shape=(), dtype=tf.string),
})
  • citation:
@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}
}