paws_x_wiki

• توضیحات :

این مجموعه داده شامل 23659 جفت ارزیابی PAWS ترجمه شده توسط انسان و 296406 جفت آموزشی ترجمه شده ماشینی به شش زبان از نظر گونه‌شناسی متمایز است:

• فرانسوی
• اسپانیایی
• آلمانی
• چینی ها
• ژاپنی
• کره ای

برای جزئیات بیشتر، مقاله همراه را ببینید: PAWS-X: مجموعه داده های متضاد متقابل بین زبانی برای شناسایی پارافراسی در https://arxiv.org/abs/1908.11828

مشابه PAWS Dataset، نمونه‌ها به بخش‌های Train/Dev/Test تقسیم می‌شوند. همه فایل ها با فرمت tsv با چهار ستون هستند:

1. id : یک شناسه منحصر به فرد برای هر جفت.
2. sentence1 1: جمله اول.
3. sentence2 2: جمله دوم.
4. (noisy_)label : (نویز) برچسب برای هر جفت.

هر برچسب دارای دو مقدار ممکن است: 0 نشان می دهد که جفت معنای متفاوتی دارد، در حالی که 1 نشان می دهد که جفت یک پارافراسی است.

• اسناد اضافی : کاوش در کاغذها با کد north_east

• صفحه اصلی : https://github.com/google-research-datasets/paws/tree/master/pawsx

• کد منبع : tfds.datasets.paws_x_wiki.Builder

• نسخه ها :

  • 1.0.0 (پیش فرض): بدون یادداشت انتشار.

• حجم دانلود : 28.88 MiB

• ذخیره خودکار ( اسناد ): بله

• ساختار ویژگی :

FeaturesDict({
    'label': ClassLabel(shape=(), dtype=int64, num_classes=2),
    'sentence1': Text(shape=(), dtype=string),
    'sentence2': Text(shape=(), dtype=string),
})

• مستندات ویژگی :

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

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

• نقل قول :

@InProceedings{pawsx2019emnlp,
  title = { {PAWS-X: A Cross-lingual Adversarial Dataset for Paraphrase Identification} },
  author = {Yang, Yinfei and Zhang, Yuan and Tar, Chris and Baldridge, Jason},
  booktitle = {Proc. of EMNLP},
  year = {2019}
}

paws_x_wiki/de (پیکربندی پیش‌فرض)

• توضیحات پیکربندی : به de ترجمه شده است

• حجم مجموعه داده : 15.27 MiB

• تقسیم ها :

• مثال‌ها ( tfds.as_dataframe ):

paws_x_wiki/en

• توضیحات پیکربندی : ترجمه شده به en

• حجم مجموعه داده : 14.59 MiB

• تقسیم ها :

• مثال‌ها ( tfds.as_dataframe ):

paws_x_wiki/es

• توضیحات پیکربندی : به es ترجمه شده است

• حجم مجموعه داده : 15.27 MiB

• تقسیم ها :

• مثال‌ها ( tfds.as_dataframe ):

paws_x_wiki/fr

• توضیحات پیکربندی : ترجمه شده به fr

• حجم مجموعه داده : 15.79 MiB

• تقسیم ها :

• مثال‌ها ( tfds.as_dataframe ):

paws_x_wiki/ja

• توضیحات پیکربندی : به ja ترجمه شده است

• حجم مجموعه داده : 17.77 MiB

• تقسیم ها :

• مثال‌ها ( tfds.as_dataframe ):

paws_x_wiki/ko

• توضیحات پیکربندی : به ko ترجمه شده است

• حجم مجموعه داده : 16.42 MiB

• تقسیم ها :

• مثال‌ها ( tfds.as_dataframe ):

paws_x_wiki/zh

• توضیحات پیکربندی : به zh ترجمه شده است

• حجم مجموعه داده : 13.20 MiB

• تقسیم ها :

• مثال‌ها ( tfds.as_dataframe ):