wmt15_traducir

  • Descripción :

Traduzca el conjunto de datos en función de 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/wmt15/translation-task.html

  • Código fuente : tfds.translate.Wmt15Translate

  • Versiones :

    • 1.0.0 (predeterminado): Sin notas de la versión.
  • Tamaño del conjunto de datos : Unknown size

  • 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.

  • Auto-caché ( documentación ): Desconocido

  • Figura ( tfds.show_examples ): no compatible.

  • Ejemplos ( tfds.as_dataframe ): Falta.

  • Cita :

@InProceedings{bojar-EtAl:2015:WMT,
  author    = {Bojar, Ond
{r}ej  and  Chatterjee, Rajen  and  Federmann, Christian  and  Haddow, Barry  and  Huck, Matthias  and  Hokamp, Chris  and  Koehn, Philipp  and  Logacheva, Varvara  and  Monz, Christof  and  Negri, Matteo  and  Post, Matt  and  Scarton, Carolina  and  Specia, Lucia  and  Turchi, Marco},
  title     = {Findings of the 2015 Workshop on Statistical Machine Translation},
  booktitle = {Proceedings of the Tenth Workshop on Statistical Machine Translation},
  month     = {September},
  year      = {2015},
  address   = {Lisbon, Portugal},
  publisher = {Association for Computational Linguistics},
  pages     = {1--46},
  url       = {http://aclweb.org/anthology/W15-3001}
}

wmt15_translate/cs-en (configuración predeterminada)

  • Descripción de la configuración : conjunto de datos de la tarea de traducción WMT 2015 cs-en.

  • Tamaño de descarga : 1.62 GiB

  • Divisiones :

Separar Ejemplos
'test' 2,656
'train' 15,793,126
'validation' 3,003
  • 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

wmt15_translate/de-en

  • Descripción de la configuración : conjunto de datos de la tarea de traducción de-en de WMT 2015.

  • Tamaño de descarga : 1.62 GiB

  • Divisiones :

Separar Ejemplos
'test' 2,169
'train' 4,522,998
'validation' 3,003
  • 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

wmt15_translate/fi-es

  • Descripción de la configuración : conjunto de datos de la tarea de traducción fi-en de WMT 2015.

  • Tamaño de la descarga : 260.51 MiB

  • Divisiones :

Separar Ejemplos
'test' 1,370
'train' 2,073,394
'validation' 1,500
  • Estructura de características :
Translation({
    'en': Text(shape=(), dtype=tf.string),
    'fi': Text(shape=(), dtype=tf.string),
})
  • Documentación de características :
Rasgo Clase Forma Tipo D Descripción
Traducción
es Texto tf.cadena
fi Texto tf.cadena

wmt15_translate/es-fr

  • Descripción de la configuración : conjunto de datos de la tarea de traducción fr-en de WMT 2015.

  • Tamaño de descarga : 6.24 GiB

  • Divisiones :

Separar Ejemplos
'test' 1,500
'train' 40.853.298
'validation' 4,503
  • 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

wmt15_translate/ru-es

  • Descripción de la configuración : conjunto de datos de la tarea de traducción ru-en de WMT 2015.

  • Tamaño de descarga : 1.02 GiB

  • Divisiones :

Separar Ejemplos
'test' 2,818
'train' 2.495.081
'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