wmt14_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)

• Documentación adicional : Explore en Papers With Code north_east

• Página de inicio : http://www.statmt.org/wmt14/translation-task.html

• Código fuente : tfds.translate.Wmt14Translate

• 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.

• Figura ( tfds.show_examples ): no compatible.

• Cita :

@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 (configuración predeterminada)

• Descripción de la configuración : conjunto de datos de la tarea de traducción WMT 2014 cs-en.

• Tamaño de descarga : 1.58 GiB

• Tamaño del conjunto de datos : 2.89 GiB

• Almacenamiento automático en caché ( documentación ): No

• Divisiones :

• Estructura de características :

Translation({
    'cs': Text(shape=(), dtype=string),
    'en': Text(shape=(), dtype=string),
})

• Documentación de características :

• Teclas supervisadas (ver as_supervised doc ): ('cs', 'en')

• Ejemplos ( tfds.as_dataframe ):

wmt14_translate/es-es

• Descripción de la configuración : conjunto de datos de la tarea de traducción de-en de WMT 2014.

• Tamaño de descarga : 1.58 GiB

• Tamaño del conjunto de datos : 1.36 GiB

• Almacenamiento automático en caché ( documentación ): No

• Divisiones :

• Estructura de características :

Translation({
    'de': Text(shape=(), dtype=string),
    'en': Text(shape=(), dtype=string),
})

• Documentación de características :

• Teclas supervisadas (Ver as_supervised doc ): ('de', 'en')

• Ejemplos ( tfds.as_dataframe ):

wmt14_translate/fr-es

• Descripción de la configuración : conjunto de datos de la tarea de traducción fr-en de WMT 2014.

• Tamaño de descarga : 6.20 GiB

• Tamaño del conjunto de datos : 14.65 GiB

• Almacenamiento automático en caché ( documentación ): No

• Divisiones :

• Estructura de características :

Translation({
    'en': Text(shape=(), dtype=string),
    'fr': Text(shape=(), dtype=string),
})

• Documentación de características :

• Teclas supervisadas (ver as_supervised doc ): ('fr', 'en')

• Ejemplos ( tfds.as_dataframe ):

wmt14_translate/hola-en

• Descripción de la configuración : conjunto de datos de tareas de traducción hi-en de WMT 2014.

• Tamaño de la descarga : 44.65 MiB

• Tamaño del conjunto de datos : 77.53 MiB

• Almacenamiento automático en caché ( documentación ): Sí

• Divisiones :

• Estructura de características :

Translation({
    'en': Text(shape=(), dtype=string),
    'hi': Text(shape=(), dtype=string),
})

• Documentación de características :

• Teclas supervisadas (ver as_supervised doc ): ('hi', 'en')

• Ejemplos ( tfds.as_dataframe ):

wmt14_translate/ru-es

• Descripción de la configuración : conjunto de datos de la tarea de traducción ru-en de WMT 2014.

• Tamaño de la descarga : 998.38 MiB

• Tamaño del conjunto de datos : 839.40 MiB

• Almacenamiento automático en caché ( documentación ): No

• Divisiones :

• Estructura de características :

Translation({
    'en': Text(shape=(), dtype=string),
    'ru': Text(shape=(), dtype=string),
})

• Documentación de características :

• Teclas supervisadas (ver as_supervised doc ): ('ru', 'en')

• Ejemplos ( tfds.as_dataframe ):