hal19

• Deskripsi :

Dataset ini berisi tolok ukur pemodelan bahasa PG-19. Ini mencakup satu set buku yang diambil dari proyek buku Proyek Gutenberg ( https://www.gutenberg.org ), yang diterbitkan sebelum 1919. Ini juga berisi metadata dari judul buku dan tanggal penerbitan. PG-19 lebih dari dua kali lipat ukuran tolok ukur Billion Word dan berisi dokumen yang rata-rata 20X lebih panjang daripada tolok ukur pemodelan bahasa jarak jauh WikiText.

Buku dipartisi menjadi rangkaian pelatihan, validasi, dan pengujian. Metadata buku disimpan dalam metadata.csv yang berisi (book_id, short_book_title, publish_date, book_link).

• Beranda : https://github.com/deepmind/pg19

• Kode sumber : tfds.text.Pg19

• Versi :

  • 0.1.1 (default): Tidak ada catatan rilis.

• Ukuran unduhan : Unknown size

• Ukuran 10.94 GiB data : 10.94 GiB

• Cache otomatis ( dokumentasi ): Tidak

• Split :

• Fitur :

FeaturesDict({
    'book_id': tf.int32,
    'book_link': tf.string,
    'book_text': Text(shape=(), dtype=tf.string),
    'book_title': tf.string,
    'publication_date': tf.string,
})

• Kunci yang diawasi (Lihat as_supervised doc ): None

• Kutipan :

@article{raecompressive2019,
author = {Rae, Jack W and Potapenko, Anna and Jayakumar, Siddhant M and
          Hillier, Chloe and Lillicrap, Timothy P},
title = {Compressive Transformers for Long-Range Sequence Modelling},
journal = {arXiv preprint},
url = {https://arxiv.org/abs/1911.05507},
year = {2019},
}

• Gambar ( tfds.show_examples ): Tidak didukung.

• Contoh ( tfds.as_dataframe ):