সামসস্ক্রিন

• বর্ণনা :

SummScreen সংক্ষিপ্তকরণ ডেটাসেট, অ-বেনামী, অ-টোকেনাইজড সংস্করণ।

ট্রেন/ভাল/পরীক্ষা বিভাজন এবং ফিল্টারিং চূড়ান্ত টোকেনাইজড ডেটাসেটের উপর ভিত্তি করে, কিন্তু প্রদত্ত প্রতিলিপি এবং রিক্যাপগুলি অটোকেনাইজড পাঠ্যের উপর ভিত্তি করে।

দুটি বৈশিষ্ট্য আছে:

• ট্রান্সক্রিপ্ট: সম্পূর্ণ পর্বের প্রতিলিপি, কথোপকথনের প্রতিটি লাইন নতুন লাইন দ্বারা পৃথক করা হয়েছে

• recap: recaps বা পর্বের সারাংশ

• হোমপেজ : https://github.com/mingdachen/SummScreen

• সোর্স কোড : tfds.datasets.summscreen.Builder

• সংস্করণ :

  • 1.0.0 (ডিফল্ট): প্রাথমিক প্রকাশ।

• ডাউনলোড 841.27 MiB

• তত্ত্বাবধান করা কী (দেখুন as_supervised doc ): ('transcript', 'recap')

• চিত্র ( tfds.show_examples ): সমর্থিত নয়।

• উদ্ধৃতি :

@article{DBLP:journals/corr/abs-2104-07091,
  author    = {Mingda Chen and
               Zewei Chu and
               Sam Wiseman and
               Kevin Gimpel},
  title     = {SummScreen: {A} Dataset for Abstractive Screenplay Summarization},
  journal   = {CoRR},
  volume    = {abs/2104.07091},
  year      = {2021},
  url       = {https://arxiv.org/abs/2104.07091},
  archivePrefix = {arXiv},
  eprint    = {2104.07091},
  timestamp = {Mon, 19 Apr 2021 16:45:47 +0200},
  biburl    = {https://dblp.org/rec/journals/corr/abs-2104-07091.bib},
  bibsource = {dblp computer science bibliography, https://dblp.org}
}

সামস্ক্রিন/এফডি (ডিফল্ট কনফিগারেশন)

• কনফিগ বিবরণ : ForeverDreaming

• ডেটাসেটের আকার : 132.99 MiB

• স্বয়ংক্রিয় ক্যাশে ( ডকুমেন্টেশন ): হ্যাঁ

• বিভাজন :

• বৈশিষ্ট্য গঠন :

FeaturesDict({
    'episode_number': Text(shape=(), dtype=string),
    'episode_title': Text(shape=(), dtype=string),
    'recap': Text(shape=(), dtype=string),
    'show_title': Text(shape=(), dtype=string),
    'transcript': Text(shape=(), dtype=string),
    'transcript_author': Text(shape=(), dtype=string),
})

• বৈশিষ্ট্য ডকুমেন্টেশন :

• উদাহরণ ( tfds.as_dataframe ):

summscreen/tms

• কনফিগ বিবরণ : TVMegaSite

• ডেটাসেটের আকার : 592.53 MiB

• স্বয়ংক্রিয় ক্যাশে ( ডকুমেন্টেশন ): না

• বিভাজন :

• বৈশিষ্ট্য গঠন :

FeaturesDict({
    'episode_summary': Text(shape=(), dtype=string),
    'recap': Text(shape=(), dtype=string),
    'recap_author': Text(shape=(), dtype=string),
    'show_title': Text(shape=(), dtype=string),
    'transcript': Text(shape=(), dtype=string),
    'transcript_author': Tensor(shape=(None,), dtype=string),
})

• বৈশিষ্ট্য ডকুমেন্টেশন :

• উদাহরণ ( tfds.as_dataframe ):