امروز برای رویداد محلی TensorFlow خود در همه جا پاسخ دهید!
این صفحه به‌وسیله ‏Cloud Translation API‏ ترجمه شده است.
Switch to English

web_nlg

  • توضیحات :

داده ها شامل مجموعه های 1 تا 7 سه گانه شکل موضوع-محمول-شی object استخراج شده از (DBpedia) [ https://wiki.dbpedia.org/ ] و متن زبان طبیعی است که کلامی بودن این سه گانه است. داده های آزمون شامل 15 حوزه مختلف است که فقط 10 مورد در داده های آموزش وجود دارد. مجموعه داده از قالب جدول استاندارد شده پیروی می کند.

شکاف مثال ها
'test_all' 4،928
'test_unseen' 2،433
'train' 18،102
'validation' 2،268
  • ویژگی ها :
FeaturesDict({
    'input_text': FeaturesDict({
        'context': tf.string,
        'table': Sequence({
            'column_header': tf.string,
            'content': tf.string,
            'row_number': tf.int16,
        }),
    }),
    'target_text': tf.string,
})
  • کلیدهای تحت نظارت (به as_supervised سند نظارت شده مراجعه کنید): ('input_text', 'target_text')

  • نقل قول :

@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""
}