wmt15_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: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 (konfigurasi default)

  • Deskripsi konfigurasi : WMT 2015 cs-en translation task dataset.

  • Ukuran unduhan : 1.62 GiB

  • Ukuran dataset : 2.89 GiB

  • Perpecahan :

Membelah Contoh
'test' 2.656
'train' 15.793.126
'validation' 3.003
  • 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

wmt15_translate/de-en

  • Deskripsi konfigurasi : WMT 2015 de-en translation task dataset.

  • Ukuran unduhan : 1.62 GiB

  • Ukuran dataset : 1.37 GiB

  • Perpecahan :

Membelah Contoh
'test' 2.169
'train' 4.522.998
'validation' 3.003
  • 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

wmt15_translate/fi-en

  • Deskripsi konfigurasi : WMT 2015 fi-en translation task dataset.

  • Ukuran unduhan : 260.51 MiB

  • Ukuran dataset : 623.22 MiB

  • Perpecahan :

Membelah Contoh
'test' 1.370
'train' 2.073.394
'validation' 1.500
  • Struktur fitur :
Translation({
    'en': Text(shape=(), dtype=string),
    'fi': Text(shape=(), dtype=string),
})
  • Dokumentasi fitur :
Fitur Kelas Membentuk Dtype Keterangan
Terjemahan
en Teks rangkaian
fi Teks rangkaian

wmt15_translate/fr-en

  • Deskripsi konfigurasi : WMT 2015 fr-en translation task dataset.

  • Ukuran unduhan : 6.24 GiB

  • Ukuran dataset : 14.65 GiB

  • Perpecahan :

Membelah Contoh
'test' 1.500
'train' 40.853.298
'validation' 4.503
  • 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

wmt15_translate/ru-en

  • Deskripsi konfigurasi : WMT 2015 ru-en translation task dataset.

  • Ukuran unduhan : 1.02 GiB

  • Ukuran dataset : 843.90 MiB

  • Perpecahan :

Membelah Contoh
'test' 2.818
'train' 2.495.081
'validation' 3.003
  • 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