ช่วยปกป้อง Great Barrier Reef กับ TensorFlow บน Kaggle เข้าร่วมท้าทาย

web_nlg

  • รายละเอียด:

ข้อมูลที่มีชุด 1-7 อเนกประสงค์ของรูปแบบเรื่องกริยาวัตถุสกัดจาก (DBpedia) [ https://wiki.dbpedia.org/ ] และข้อความภาษาธรรมชาติที่เป็น verbalisation อเนกประสงค์เหล่านี้ ข้อมูลการทดสอบครอบคลุม 15 โดเมนที่แตกต่างกัน โดยมีเพียง 10 รายการเท่านั้นที่ปรากฏในข้อมูลการฝึกอบรม ชุดข้อมูลเป็นไปตามรูปแบบตารางมาตรฐาน

แยก ตัวอย่าง
'test_all' 4,928
'test_unseen' 2,433
'train' 18,102
'validation' 2,268
  • คุณสมบัติ:
FeaturesDict({
    'input_text': FeaturesDict({
        'context': tf.string,
        'table': Sequence({
            'column_header': tf.string,
            'content': tf.string,
            'row_number': tf.int16,
        }),
    }),
    'target_text': tf.string,
})
  • อ้างอิง:
@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""
}