wmt13_translate

  • Descrição :

Traduza o conjunto de dados com base nos dados de statmt.org.

Existem versões para os diferentes anos usando uma combinação de várias fontes de dados. A base wmt_translate permite que você crie sua própria configuração para escolher seu próprio par de dados/idioma criando um 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 inicial : http://www.statmt.org/wmt13/translation-task.html

  • Código -fonte: tfds.translate.Wmt13Translate

  • Versões :

    • 1.0.0 (padrão): sem notas de versão.
  • Instruções de download manual : este conjunto de dados exige que você baixe os dados de origem manualmente em download_config.manual_dir (o padrão é ~/tensorflow_datasets/downloads/manual/ ):
    Algumas das configurações do wmt aqui requerem um download manual. Por favor, olhe em wmt.py para ver o caminho exato (e nome do arquivo) que deve ser baixado.

  • Armazenado em cache automaticamente ( documentação ): Não

  • Figura ( tfds.show_examples ): Não suportado.

  • Citação :

@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 (configuração padrão)

  • Descrição da configuração : conjunto de dados da tarefa de tradução WMT 2013 cs-en.

  • Tamanho do download : 1.59 GiB

  • Tamanho do conjunto de dados : 2.89 GiB

  • Divisões :

Dividir Exemplos
'test' 3.000
'train' 15.780.759
'validation' 13.573
  • Estrutura de recursos :
Translation({
    'cs': Text(shape=(), dtype=string),
    'en': Text(shape=(), dtype=string),
})
  • Documentação do recurso:
Característica Classe Forma Tipo D Descrição
Tradução
cs Texto corda
pt Texto corda

wmt13_translate/de-en

  • Descrição da configuração : WMT 2013 conjunto de dados de tarefa de tradução de-en.

  • Tamanho do download : 1.59 GiB

  • Tamanho do conjunto de dados : 1.36 GiB

  • Divisões :

Dividir Exemplos
'test' 3.000
'train' 4.485.758
'validation' 13.573
  • Estrutura de recursos :
Translation({
    'de': Text(shape=(), dtype=string),
    'en': Text(shape=(), dtype=string),
})
  • Documentação do recurso:
Característica Classe Forma Tipo D Descrição
Tradução
de Texto corda
pt Texto corda

wmt13_translate/fr-en

  • Descrição da configuração : WMT 2013 fr-en conjunto de dados da tarefa de tradução.

  • Tamanho do download : 6.21 GiB

  • Tamanho do conjunto de dados : 14.64 GiB

  • Divisões :

Dividir Exemplos
'test' 3.000
'train' 40.810.860
'validation' 13.573
  • Estrutura de recursos :
Translation({
    'en': Text(shape=(), dtype=string),
    'fr': Text(shape=(), dtype=string),
})
  • Documentação do recurso:
Característica Classe Forma Tipo D Descrição
Tradução
pt Texto corda
fr Texto corda

wmt13_translate/es-en

  • Descrição da configuração : WMT 2013 es-en conjunto de dados da tarefa de tradução.

  • Tamanho do download : 3.79 GiB

  • Tamanho do conjunto de dados : 5.24 GiB

  • Divisões :

Dividir Exemplos
'test' 3.000
'train' 15.176.790
'validation' 13.573
  • Estrutura de recursos :
Translation({
    'en': Text(shape=(), dtype=string),
    'es': Text(shape=(), dtype=string),
})
  • Documentação do recurso:
Característica Classe Forma Tipo D Descrição
Tradução
pt Texto corda
es Texto corda

wmt13_translate/ru-en

  • Descrição da configuração : WMT 2013 conjunto de dados de tarefa de tradução ru-en.

  • Tamanho do download : 1010.20 MiB

  • Tamanho do conjunto de dados : 833.67 MiB

  • Divisões :

Dividir Exemplos
'test' 3.000
'train' 2.471.670
'validation' 3.003
  • Estrutura de recursos :
Translation({
    'en': Text(shape=(), dtype=string),
    'ru': Text(shape=(), dtype=string),
})
  • Documentação do recurso:
Característica Classe Forma Tipo D Descrição
Tradução
pt Texto corda
ru Texto corda