wiki_auto

• Descrizione :

WikiAuto fornisce una serie di frasi allineate da Wikipedia in inglese e Wikipedia in inglese semplice come risorsa per addestrare i sistemi di semplificazione delle frasi. Gli autori hanno prima raccolto in crowdsourcing una serie di allineamenti manuali tra frasi in un sottoinsieme della Wikipedia in inglese semplice e le versioni corrispondenti nella Wikipedia in inglese (questo corrisponde alla configurazione manual ), quindi hanno addestrato un sistema CRF neurale per prevedere questi allineamenti. Il modello addestrato è stato quindi applicato agli altri articoli in Wikipedia in inglese semplice con una controparte inglese per creare un corpus più ampio di frasi allineate (corrispondenti alle configurazioni auto , auto_acl , auto_full_no_split e auto_full_with_split qui).

• Pagina iniziale : https://github.com/chaojiang06/wiki-auto

• Codice sorgente : tfds.text_simplification.wiki_auto.WikiAuto

• Versioni :

  • 1.0.0 (impostazione predefinita): versione iniziale.

• Chiavi supervisionate (Vedi as_supervised doc ): None

• Figura ( tfds.show_examples ): non supportato.

• Citazione :

@inproceedings{acl/JiangMLZX20,
  author    = {Chao Jiang and
               Mounica Maddela and
               Wuwei Lan and
               Yang Zhong and
               Wei Xu},
  editor    = {Dan Jurafsky and
               Joyce Chai and
               Natalie Schluter and
               Joel R. Tetreault},
  title     = {Neural {CRF} Model for Sentence Alignment in Text Simplification},
  booktitle = {Proceedings of the 58th Annual Meeting of the Association for Computational
               Linguistics, {ACL} 2020, Online, July 5-10, 2020},
  pages     = {7943--7960},
  publisher = {Association for Computational Linguistics},
  year      = {2020},
  url       = {https://www.aclweb.org/anthology/2020.acl-main.709/}
}

wiki_auto/manual (configurazione predefinita)

• Descrizione della configurazione : una serie di 10.000 coppie di frasi di Wikipedia allineate da crowd worker.

• Dimensione del download : 53.47 MiB

• Dimensione del set di dati: 76.87 MiB

• Auto-cache ( documentazione ): Sì

• Divisioni :

• Struttura delle caratteristiche :

FeaturesDict({
    'GLEU-score': float64,
    'alignment_label': ClassLabel(shape=(), dtype=int64, num_classes=3),
    'normal_sentence': Text(shape=(), dtype=string),
    'normal_sentence_id': Text(shape=(), dtype=string),
    'simple_sentence': Text(shape=(), dtype=string),
    'simple_sentence_id': Text(shape=(), dtype=string),
})

• Documentazione delle funzionalità :

• Esempi ( tfds.as_dataframe ):

wiki_auto/auto_acl

• Descrizione della configurazione : coppie di frasi allineate per addestrare il sistema ACL2020.

• Dimensione del download : 112.60 MiB

• Dimensione del set di dati: 138.83 MiB

• Cache automatica ( documentazione ): solo quando shuffle_files=False (completo)

• Divisioni :

• Struttura delle caratteristiche :

FeaturesDict({
    'normal_sentence': Text(shape=(), dtype=string),
    'simple_sentence': Text(shape=(), dtype=string),
})

• Documentazione delle funzionalità :

• Esempi ( tfds.as_dataframe ):

wiki_auto/auto_full_no_split

• Descrizione della configurazione : tutte le coppie di frasi allineate automaticamente senza suddivisione della frase.

• Dimensione del download : 135.02 MiB

• Dimensione del set di dati: 166.78 MiB

• Cache automatica ( documentazione ): solo quando shuffle_files=False (completo)

• Divisioni :

• Struttura delle caratteristiche :

FeaturesDict({
    'normal_sentence': Text(shape=(), dtype=string),
    'simple_sentence': Text(shape=(), dtype=string),
})

• Documentazione delle funzionalità :

• Esempi ( tfds.as_dataframe ):

wiki_auto/auto_full_with_split

• Descrizione della configurazione : tutte le coppie di frasi allineate automaticamente con suddivisione delle frasi.

• Dimensione del download : 115.09 MiB

• Dimensione del set di dati: 141.20 MiB

• Cache automatica ( documentazione ): solo quando shuffle_files=False (completo)

• Divisioni :

• Struttura delle caratteristiche :

FeaturesDict({
    'normal_sentence': Text(shape=(), dtype=string),
    'simple_sentence': Text(shape=(), dtype=string),
})

• Documentazione delle funzionalità :

• Esempi ( tfds.as_dataframe ):

wiki_auto/auto

• Descrizione della configurazione : un ampio set di coppie di frasi allineate automaticamente.

• Dimensione del download : 2.01 GiB

• Dimensione del set di dati: 1.76 GiB

• Cache automatica ( documentazione ): No

• Divisioni :

• Struttura delle caratteristiche :

FeaturesDict({
    'example_id': Text(shape=(), dtype=string),
    'normal': FeaturesDict({
        'normal_article_content': Sequence({
            'normal_sentence': Text(shape=(), dtype=string),
            'normal_sentence_id': Text(shape=(), dtype=string),
        }),
        'normal_article_id': int32,
        'normal_article_title': Text(shape=(), dtype=string),
        'normal_article_url': Text(shape=(), dtype=string),
    }),
    'paragraph_alignment': Sequence({
        'normal_paragraph_id': Text(shape=(), dtype=string),
        'simple_paragraph_id': Text(shape=(), dtype=string),
    }),
    'sentence_alignment': Sequence({
        'normal_sentence_id': Text(shape=(), dtype=string),
        'simple_sentence_id': Text(shape=(), dtype=string),
    }),
    'simple': FeaturesDict({
        'simple_article_content': Sequence({
            'simple_sentence': Text(shape=(), dtype=string),
            'simple_sentence_id': Text(shape=(), dtype=string),
        }),
        'simple_article_id': int32,
        'simple_article_title': Text(shape=(), dtype=string),
        'simple_article_url': Text(shape=(), dtype=string),
    }),
})

• Documentazione delle funzionalità :

• Esempi ( tfds.as_dataframe ):