wmt14_translate

  • Deskripsi :

Terjemahkan kumpulan data berdasarkan data dari statmt.org.

Versi ada untuk tahun yang berbeda menggunakan kombinasi beberapa sumber data. Basis wmt_translate memungkinkan Anda membuat konfigurasi sendiri untuk memilih pasangan data/bahasa Anda sendiri dengan membuat tfds.translate.wmt.WmtConfig khusus.

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)
@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 (konfigurasi default)

  • Deskripsi konfigurasi : WMT 2014 cs-en translation task dataset.

  • Ukuran unduhan : 1.58 GiB

  • Ukuran dataset : 2.89 GiB

  • Di-cache otomatis ( dokumentasi ): Tidak

  • Perpecahan :

Membelah Contoh
'test' 3.003
'train' 15.786.979
'validation' 3.000
  • Struktur fitur :
Translation({
    'cs': Text(shape=(), dtype=string),
    'en': Text(shape=(), dtype=string),
})
  • Dokumentasi fitur :
Fitur Kelas Membentuk Dtype Keterangan
Terjemahan
cs Teks rangkaian
en Teks rangkaian

wmt14_translate/de-en

  • Deskripsi konfigurasi : WMT 2014 de-en translation task dataset.

  • Ukuran unduhan : 1.58 GiB

  • Ukuran dataset : 1.36 GiB

  • Di-cache otomatis ( dokumentasi ): Tidak

  • Perpecahan :

Membelah Contoh
'test' 3.003
'train' 4.508.785
'validation' 3.000
  • Struktur fitur :
Translation({
    'de': Text(shape=(), dtype=string),
    'en': Text(shape=(), dtype=string),
})
  • Dokumentasi fitur :
Fitur Kelas Membentuk Dtype Keterangan
Terjemahan
de Teks rangkaian
en Teks rangkaian

wmt14_translate/fr-en

  • Deskripsi konfigurasi : WMT 2014 fr-en translation task dataset.

  • Ukuran unduhan : 6.20 GiB

  • Ukuran dataset : 14.65 GiB

  • Di-cache otomatis ( dokumentasi ): Tidak

  • Perpecahan :

Membelah Contoh
'test' 3.003
'train' 40.836.876
'validation' 3.000
  • Struktur fitur :
Translation({
    'en': Text(shape=(), dtype=string),
    'fr': Text(shape=(), dtype=string),
})
  • Dokumentasi fitur :
Fitur Kelas Membentuk Dtype Keterangan
Terjemahan
en Teks rangkaian
fr Teks rangkaian

wmt14_translate/hi-en

  • Deskripsi konfigurasi : WMT 2014 hi-en translation task dataset.

  • Ukuran unduhan : 44.65 MiB

  • Ukuran dataset : 77.53 MiB

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'test' 2.507
'train' 313.748
'validation' 520
  • Struktur fitur :
Translation({
    'en': Text(shape=(), dtype=string),
    'hi': Text(shape=(), dtype=string),
})
  • Dokumentasi fitur :
Fitur Kelas Membentuk Dtype Keterangan
Terjemahan
en Teks rangkaian
hai Teks rangkaian

wmt14_translate/ru-en

  • Deskripsi konfigurasi : WMT 2014 ru-en translation task dataset.

  • Ukuran unduhan : 998.38 MiB

  • Ukuran dataset : 839.40 MiB

  • Di-cache otomatis ( dokumentasi ): Tidak

  • Perpecahan :

Membelah Contoh
'test' 3.003
'train' 2.486.965
'validation' 3.000
  • Struktur fitur :
Translation({
    'en': Text(shape=(), dtype=string),
    'ru': Text(shape=(), dtype=string),
})
  • Dokumentasi fitur :
Fitur Kelas Membentuk Dtype Keterangan
Terjemahan
en Teks rangkaian
ru Teks rangkaian