c4_wsrs

• توضیحات :

یک مجموعه داده گسترش اختصار پزشکی که جایگزینی معکوس در مقیاس وب (wsrs) را برای مجموعه داده C4 اعمال می کند، که یک نسخه عظیم و پاک شده از پیکره خزیدن وب Common Crawl است.

منبع اصلی مجموعه داده Common Crawl است: https://commoncrawl.org

• توضیحات پیکربندی : مجموعه داده پیش فرض C4-WSRS.

• صفحه اصلی : https://github.com/google-research/google-research/tree/master/deciphering_clinical_abbreviations

• کد منبع : tfds.text.c4_wsrs.C4WSRS

• نسخه ها :

  • 1.0.0 (پیش فرض): انتشار اولیه.

• حجم دانلود : 143.01 KiB

• حجم مجموعه داده : 5.84 GiB

• ذخیره خودکار ( اسناد ): خیر

• تقسیم ها :

• ساختار ویژگی :

FeaturesDict({
    'abbreviated_snippet': Text(shape=(), dtype=string),
    'original_snippet': Text(shape=(), dtype=string),
})

• مستندات ویژگی :

• کلیدهای نظارت شده (به as_supervised doc مراجعه کنید): None

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

• مثال‌ها ( tfds.as_dataframe ):

• نقل قول :

c4_wsrs/default (پیکربندی پیش فرض)