cnn_dailymail

• Descripción :

Conjunto de datos de resumen no anónimo de CNN/DailyMail.

Hay dos características: - artículo: texto del artículo de noticias, que se utiliza como documento que se va a resumir - destacados: texto unido de destacados con y alrededor de cada destacado, que es el resumen de destino

• Documentación adicional : Explore en Papers With Code north_east

• Página de inicio: https://github.com/abisee/cnn-dailymail

• Código fuente : tfds.summarization.CnnDailymail

• Versiones :

  • 1.0.0 : nueva API dividida ( https://tensorflow.org/datasets/splits )

  • 2.0.0 : oraciones de destino separadas con nueva línea. (Hacer que el modelo prediga los separadores de nueva línea facilita la evaluación utilizando ROUGE de nivel de resumen).

  • 3.0.0 : Uso de la versión con carcasa.

  • 3.1.0 : Eliminado BuilderConfig

  • 3.2.0 : Quite el espacio adicional antes del período de oración agregado. Esto no debería afectar las puntuaciones de ROUGE porque se elimina la puntuación.

  • 3.3.0 : Agregar función de editor.

  • 3.4.0 (predeterminado): Agregar función de ID.

• Tamaño de la descarga : 558.32 MiB

• Tamaño del conjunto de datos : 1.29 GiB

• Almacenamiento automático en caché ( documentación ): No

• Divisiones :

• Estructura de características :

FeaturesDict({
    'article': Text(shape=(), dtype=string),
    'highlights': Text(shape=(), dtype=string),
    'id': Text(shape=(), dtype=string),
    'publisher': Text(shape=(), dtype=string),
})

• Documentación de características :

• Claves supervisadas (Ver as_supervised ): ('article', 'highlights')

• Figura ( tfds.show_examples ): no compatible.

• Ejemplos ( tfds.as_dataframe ):

• Cita :

@article{DBLP:journals/corr/SeeLM17,
  author    = {Abigail See and
               Peter J. Liu and
               Christopher D. Manning},
  title     = {Get To The Point: Summarization with Pointer-Generator Networks},
  journal   = {CoRR},
  volume    = {abs/1704.04368},
  year      = {2017},
  url       = {http://arxiv.org/abs/1704.04368},
  archivePrefix = {arXiv},
  eprint    = {1704.04368},
  timestamp = {Mon, 13 Aug 2018 16:46:08 +0200},
  biburl    = {https://dblp.org/rec/bib/journals/corr/SeeLM17},
  bibsource = {dblp computer science bibliography, https://dblp.org}
}

@inproceedings{hermann2015teaching,
  title={Teaching machines to read and comprehend},
  author={Hermann, Karl Moritz and Kocisky, Tomas and Grefenstette, Edward and Espeholt, Lasse and Kay, Will and Suleyman, Mustafa and Blunsom, Phil},
  booktitle={Advances in neural information processing systems},
  pages={1693--1701},
  year={2015}
}