wikihow

• توضیحات :

WikiHow یک مجموعه داده جدید در مقیاس بزرگ است که از پایگاه دانش آنلاین WikiHow ( http://www.wikihow.com/ ) استفاده می کند.

دو ویژگی وجود دارد: - متن: wikihow به متون پاسخ می دهد. - عنوان: خطوط پررنگ به عنوان خلاصه.

دو نسخه جداگانه وجود دارد: - همه: شامل الحاق همه پاراگراف ها به عنوان مقاله و خطوط پررنگ به عنوان خلاصه مرجع. - sep: مشتمل بر هر پاراگراف و خلاصه آن.

"wikihowAll.csv" و "wikihowSep.csv" را از https://github.com/mahnazkoupaee/WikiHow-Dataset دانلود کنید و آنها را در پوشه دستی https://www.tensorflow.org/datasets/api_docs/python/tfds/ قرار دهید. دانلود/DownloadConfig Train/Validation/Test splits توسط نویسندگان ارائه شده است. پیش پردازش برای حذف مقالات کوتاه (طول چکیده < 0.75 طول مقاله) و پاک کردن کاماهای اضافی اعمال می شود.

• اسناد اضافی : کاوش در کاغذها با کد north_east

• صفحه اصلی : https://github.com/mahnazkoupaee/WikiHow-Dataset

• کد منبع : tfds.summarization.Wikihow

• نسخه ها :

  • 1.2.0 (پیش فرض): بدون یادداشت انتشار.

• حجم دانلود : 5.21 MiB

• دستورالعمل‌های دانلود دستی : این مجموعه داده از شما می‌خواهد که داده‌های منبع را به صورت دستی در download_config.manual_dir (پیش‌فرض ~/tensorflow_datasets/downloads/manual/ ):
  پیوندهای فایل‌ها را می‌توانید در https://github.com/mahnazkoupaee/WikiHow-Dataset پیدا کنید لطفاً wikihowAll.csv و wikihowSep.csv را دانلود کنید.

• ذخیره خودکار ( اسناد ): خیر

• کلیدهای نظارت شده (مشاهده as_supervised doc ): ('text', 'headline')

• شکل ( tfds.show_examples ): پشتیبانی نمی شود.

• نقل قول :

@misc{koupaee2018wikihow,
    title={WikiHow: A Large Scale Text Summarization Dataset},
    author={Mahnaz Koupaee and William Yang Wang},
    year={2018},
    eprint={1810.09305},
    archivePrefix={arXiv},
    primaryClass={cs.CL}
}

wikihow/all (پیکربندی پیش‌فرض)

• توضیحات پیکربندی : از الحاق همه پاراگراف ها به عنوان مقاله و خطوط پررنگ به عنوان خلاصه مرجع استفاده کنید

• حجم مجموعه داده : 531.56 MiB

• تقسیم ها :

• ساختار ویژگی :

FeaturesDict({
    'headline': Text(shape=(), dtype=string),
    'text': Text(shape=(), dtype=string),
    'title': Text(shape=(), dtype=string),
})

• مستندات ویژگی :

• مثال‌ها ( tfds.as_dataframe ):

wikihow/sep

• توضیحات پیکربندی : از هر پاراگراف و خلاصه آن استفاده کنید.

• حجم مجموعه داده : 1.07 GiB

• تقسیم ها :

• ساختار ویژگی :

FeaturesDict({
    'headline': Text(shape=(), dtype=string),
    'overview': Text(shape=(), dtype=string),
    'sectionLabel': Text(shape=(), dtype=string),
    'text': Text(shape=(), dtype=string),
    'title': Text(shape=(), dtype=string),
})

• مستندات ویژگی :

• مثال‌ها ( tfds.as_dataframe ):