wmt13_traducir

  • Descripción :

Traduzca el conjunto de datos según los datos de statmt.org.

Existen versiones para los diferentes años utilizando una combinación de múltiples fuentes de datos. La base wmt_translate le permite crear su propia configuración para elegir su propio par de datos/idioma creando un tfds.translate.wmt.WmtConfig personalizado.

config = tfds.translate.wmt.WmtConfig(
    version="0.0.1",
    language_pair=("fr", "de"),
    subsets={
        tfds.Split.TRAIN: ["commoncrawl_frde"],
        tfds.Split.VALIDATION: ["euelections_dev2019"],
    },
)
builder = tfds.builder("wmt_translate", config=config)
  • Página de inicio : http://www.statmt.org/wmt13/translation-task.html

  • Código fuente : tfds.translate.Wmt13Translate

  • Versiones :

    • 1.0.0 (predeterminado): Sin notas de la versión.
  • Instrucciones de descarga manual : este conjunto de datos requiere que descargue los datos de origen manualmente en download_config.manual_dir (el valor predeterminado es ~/tensorflow_datasets/downloads/manual/ ):
    Algunas de las configuraciones de wmt aquí requieren una descarga manual. Mire en wmt.py para ver la ruta exacta (y el nombre del archivo) que debe descargarse.

  • Almacenamiento automático en caché ( documentación ): No

  • Figura ( tfds.show_examples ): no compatible.

  • Cita :

@InProceedings{bojar-EtAl:2013:WMT,
  author    = {Bojar, Ondrej  and  Buck, Christian  and  Callison-Burch, Chris  and  Federmann, Christian  and  Haddow, Barry  and  Koehn, Philipp  and  Monz, Christof  and  Post, Matt  and  Soricut, Radu  and  Specia, Lucia},
  title     = {Findings of the 2013 {Workshop on Statistical Machine Translation}},
  booktitle = {Proceedings of the Eighth Workshop on Statistical Machine Translation},
  month     = {August},
  year      = {2013},
  address   = {Sofia, Bulgaria},
  publisher = {Association for Computational Linguistics},
  pages     = {1--44},
  url       = {http://www.aclweb.org/anthology/W13-2201}
}

wmt13_translate/cs-en (configuración predeterminada)

  • Descripción de la configuración : conjunto de datos de la tarea de traducción cs-en de WMT 2013.

  • Tamaño de descarga : 1.59 GiB

  • Tamaño del conjunto de datos : 2.89 GiB

  • Divisiones :

Separar Ejemplos
'test' 3,000
'train' 15,780,759
'validation' 13,573
  • Estructura de características :
Translation({
    'cs': Text(shape=(), dtype=tf.string),
    'en': Text(shape=(), dtype=tf.string),
})
  • Documentación de características :
Rasgo Clase Forma Tipo D Descripción
Traducción
cs Texto tf.cadena
es Texto tf.cadena

wmt13_translate/de-es

  • Descripción de la configuración : conjunto de datos de la tarea de traducción de-en de WMT 2013.

  • Tamaño de descarga : 1.59 GiB

  • Tamaño del conjunto de datos : 1.36 GiB

  • Divisiones :

Separar Ejemplos
'test' 3,000
'train' 4,485,758
'validation' 13,573
  • Estructura de características :
Translation({
    'de': Text(shape=(), dtype=tf.string),
    'en': Text(shape=(), dtype=tf.string),
})
  • Documentación de características :
Rasgo Clase Forma Tipo D Descripción
Traducción
Delaware Texto tf.cadena
es Texto tf.cadena

wmt13_translate/fr-es

  • Descripción de la configuración : conjunto de datos de la tarea de traducción fr-en de WMT 2013.

  • Tamaño de descarga : 6.21 GiB

  • Tamaño del conjunto de datos : 14.64 GiB

  • Divisiones :

Separar Ejemplos
'test' 3,000
'train' 40,810,860
'validation' 13,573
  • Estructura de características :
Translation({
    'en': Text(shape=(), dtype=tf.string),
    'fr': Text(shape=(), dtype=tf.string),
})
  • Documentación de características :
Rasgo Clase Forma Tipo D Descripción
Traducción
es Texto tf.cadena
es Texto tf.cadena

wmt13_translate/es-es

  • Descripción de la configuración : conjunto de datos de tareas de traducción WMT 2013 es-en.

  • Tamaño de descarga : 3.79 GiB

  • Tamaño del conjunto de datos : 5.24 GiB

  • Divisiones :

Separar Ejemplos
'test' 3,000
'train' 15,176,790
'validation' 13,573
  • Estructura de características :
Translation({
    'en': Text(shape=(), dtype=tf.string),
    'es': Text(shape=(), dtype=tf.string),
})
  • Documentación de características :
Rasgo Clase Forma Tipo D Descripción
Traducción
es Texto tf.cadena
es Texto tf.cadena

wmt13_translate/ru-es

  • Descripción de la configuración : conjunto de datos de la tarea de traducción ru-en de WMT 2013.

  • Tamaño de descarga : 1010.20 MiB

  • Tamaño del conjunto de datos : 833.67 MiB

  • Divisiones :

Separar Ejemplos
'test' 3,000
'train' 2,471,670
'validation' 3,003
  • Estructura de características :
Translation({
    'en': Text(shape=(), dtype=tf.string),
    'ru': Text(shape=(), dtype=tf.string),
})
  • Documentación de características :
Rasgo Clase Forma Tipo D Descripción
Traducción
es Texto tf.cadena
tu Texto tf.cadena