wmt14_translate

  • توضیحات :

مجموعه داده را بر اساس داده های statmt.org ترجمه کنید.

نسخه ها برای سال های مختلف با استفاده از ترکیبی از چندین منبع داده وجود دارد. wmt_translate پایه به شما امکان می دهد پیکربندی خود را ایجاد کنید تا جفت داده/زبان خود را با ایجاد یک tfds.translate.wmt.WmtConfig سفارشی انتخاب کنید.

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)
  • اسناد اضافی : کاوش در کاغذها با کد

  • صفحه اصلی : http://www.statmt.org/wmt14/translation-task.html

  • کد منبع : tfds.translate.Wmt14Translate

  • نسخه ها :

    • 1.0.0 (پیش فرض): بدون یادداشت انتشار.
  • 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/ ):
    برخی از تنظیمات wmt در اینجا نیاز به دانلود دستی دارند. لطفاً برای دیدن مسیر دقیق (و نام فایل) که باید دانلود شود، به wmt.py نگاه کنید.

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

  • نقل قول :

@InProceedings{bojar-EtAl:2014:W14-33,
  author    = {Bojar, Ondrej  and  Buck, Christian  and  Federmann, Christian  and  Haddow, Barry  and  Koehn, Philipp  and  Leveling, Johannes  and  Monz, Christof  and  Pecina, Pavel  and  Post, Matt  and  Saint-Amand, Herve  and  Soricut, Radu  and  Specia, Lucia  and  Tamchyna, Ale
{s} },
  title     = {Findings of the 2014 Workshop on Statistical Machine Translation},
  booktitle = {Proceedings of the Ninth Workshop on Statistical Machine Translation},
  month     = {June},
  year      = {2014},
  address   = {Baltimore, Maryland, USA},
  publisher = {Association for Computational Linguistics},
  pages     = {12--58},
  url       = {http://www.aclweb.org/anthology/W/W14/W14-3302}
}

wmt14_translate/cs-en (پیکربندی پیش فرض)

  • توضیحات پیکربندی : مجموعه داده وظایف ترجمه WMT 2014 cs-en.

  • حجم دانلود : 1.58 GiB

  • حجم مجموعه داده : 2.89 GiB

  • ذخیره خودکار ( اسناد ): خیر

  • تقسیم ها :

شکاف مثال ها
'test' 3003
'train' 15,786,979
'validation' 3000
  • ساختار ویژگی :
Translation({
    'cs': Text(shape=(), dtype=string),
    'en': Text(shape=(), dtype=string),
})
  • مستندات ویژگی :
ویژگی کلاس شکل نوع D شرح
ترجمه
cs متن رشته
en متن رشته

wmt14_translate/de-en

  • توضیحات پیکربندی : مجموعه داده وظایف ترجمه WMT 2014 de-en.

  • حجم دانلود : 1.58 GiB

  • حجم مجموعه داده : 1.36 GiB

  • ذخیره خودکار ( اسناد ): خیر

  • تقسیم ها :

شکاف مثال ها
'test' 3003
'train' 4,508,785
'validation' 3000
  • ساختار ویژگی :
Translation({
    'de': Text(shape=(), dtype=string),
    'en': Text(shape=(), dtype=string),
})
  • مستندات ویژگی :
ویژگی کلاس شکل نوع D شرح
ترجمه
de متن رشته
en متن رشته

wmt14_translate/fr-en

  • توضیحات پیکربندی : مجموعه داده وظایف ترجمه fr-en WMT 2014.

  • حجم دانلود : 6.20 GiB

  • حجم مجموعه داده : 14.65 GiB

  • ذخیره خودکار ( اسناد ): خیر

  • تقسیم ها :

شکاف مثال ها
'test' 3003
'train' 40,836,876
'validation' 3000
  • ساختار ویژگی :
Translation({
    'en': Text(shape=(), dtype=string),
    'fr': Text(shape=(), dtype=string),
})
  • مستندات ویژگی :
ویژگی کلاس شکل نوع D شرح
ترجمه
en متن رشته
fr متن رشته

wmt14_translate/hi-en

  • توضیحات پیکربندی : مجموعه داده وظایف ترجمه WMT 2014 hi-en.

  • حجم دانلود : 44.65 MiB

  • حجم مجموعه داده : 77.53 MiB

  • ذخیره خودکار ( اسناد ): بله

  • تقسیم ها :

شکاف مثال ها
'test' 2,507
'train' 313748
'validation' 520
  • ساختار ویژگی :
Translation({
    'en': Text(shape=(), dtype=string),
    'hi': Text(shape=(), dtype=string),
})
  • مستندات ویژگی :
ویژگی کلاس شکل نوع D شرح
ترجمه
en متن رشته
سلام متن رشته

wmt14_translate/ru-en

  • توضیحات پیکربندی : مجموعه داده وظایف ترجمه WMT 2014 ru-en.

  • حجم دانلود : 998.38 MiB

  • حجم مجموعه داده : 839.40 MiB

  • ذخیره خودکار ( اسناد ): خیر

  • تقسیم ها :

شکاف مثال ها
'test' 3003
'train' 2,486,965
'validation' 3000
  • ساختار ویژگی :
Translation({
    'en': Text(shape=(), dtype=string),
    'ru': Text(shape=(), dtype=string),
})
  • مستندات ویژگی :
ویژگی کلاس شکل نوع D شرح
ترجمه
en متن رشته
ru متن رشته