xsum

• توضیحات :

مجموعه داده های خلاصه سازی شدید (XSum).

دو ویژگی وجود دارد: - سند: ورودی مقاله خبری. - خلاصه: یک جمله خلاصه مقاله.

این داده ها باید به صورت دستی دانلود و استخراج شوند همانطور که در https://github.com/EdinburghNLP/XSum/blob/master/XSum-Dataset/README.md توضیح داده شده است. پوشه «xsum-extracts-from-downloads» باید به صورت فشرده شود 'xsum-extracts-from-downloads.tar.gz' و در پوشه بارگیری دستی قرار دهید.

• اسناد اضافی : کاوش در کاغذها با کد north_east

• صفحه اصلی : https://github.com/EdinburghNLP/XSum/tree/master/XSum-Dataset

• کد منبع : tfds.summarization.Xsum

• نسخه ها :

  • 1.0.0 : مجموعه داده بدون تمیز کردن.
  • 1.1.0 (پیش فرض): محتویات وب را حذف می کند.

• حجم دانلود : 2.59 MiB

• حجم مجموعه داده : 512.03 MiB

• دستورالعمل‌های دانلود دستی : این مجموعه داده از شما می‌خواهد که داده‌های منبع را به صورت دستی در download_config.manual_dir (پیش‌فرض به ~/tensorflow_datasets/downloads/manual/ ):
  دستورالعمل‌های دانلود دقیق (که نیاز به اجرای یک اسکریپت سفارشی دارد) اینجا هستند: https://github.com/EdinburghNLP/XSum/blob/master/XSum-Dataset/README.md#running-the-download-and-extraction-scripts Afterwards لطفا فایل xsum-extracts-from-downloads.tar.gz را در manual_dir قرار دهید.

• ذخیره خودکار ( اسناد ): خیر

• تقسیم ها :

• ساختار ویژگی :

FeaturesDict({
    'document': Text(shape=(), dtype=string),
    'summary': Text(shape=(), dtype=string),
})

• مستندات ویژگی :

• کلیدهای نظارت شده (نگاه کنید به as_supervised doc ): ('document', 'summary')

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

• مثال‌ها ( tfds.as_dataframe ):

• نقل قول :

@article{Narayan2018DontGM,
  title={Don't Give Me the Details, Just the Summary! Topic-Aware Convolutional Neural Networks for Extreme Summarization},
  author={Shashi Narayan and Shay B. Cohen and Mirella Lapata},
  journal={ArXiv},
  year={2018},
  volume={abs/1808.08745}
}