Ayuda a proteger la Gran Barrera de Coral con TensorFlow en Kaggle Únete Challenge

web_nlg

  • Descripción:

Los datos contienen conjuntos de 1 a 7 triples de la forma sujeto-predicado-objeto extraído a partir de (DBpedia) [ https://wiki.dbpedia.org/ ] y texto en lenguaje natural que es un verbalización de estas triples. Los datos de la prueba abarcan 15 dominios diferentes donde solo 10 aparecen en los datos de entrenamiento. El conjunto de datos sigue un formato de tabla estandarizado.

Separar Ejemplos de
'test_all' 4.928
'test_unseen' 2,433
'train' 18,102
'validation' 2,268
  • características:
FeaturesDict({
    'input_text': FeaturesDict({
        'context': tf.string,
        'table': Sequence({
            'column_header': tf.string,
            'content': tf.string,
            'row_number': tf.int16,
        }),
    }),
    'target_text': tf.string,
})
  • Cita:
@inproceedings{gardent2017creating,
    title = ""Creating Training Corpora for {NLG} Micro-Planners"",
    author = ""Gardent, Claire  and
      Shimorina, Anastasia  and
      Narayan, Shashi  and
      Perez-Beltrachini, Laura"",
    booktitle = ""Proceedings of the 55th Annual Meeting of the Association for Computational Linguistics (Volume 1: Long Papers)"",
    month = jul,
    year = ""2017"",
    address = ""Vancouver, Canada"",
    publisher = ""Association for Computational Linguistics"",
    doi = ""10.18653/v1/P17-1017"",
    pages = ""179--188"",
    url = ""https://www.aclweb.org/anthology/P17-1017.pdf""
}