سموم

• توضیحات :

SAMSum Corpus حاوی بیش از 16 هزار گفتگوی چت با خلاصه های دستی است.

دو ویژگی وجود دارد:

• گفتگو: متن گفتگو.
• خلاصه: خلاصه مکتوب انسان از گفتگو.

• id: شناسه یک مثال.

• اسناد اضافی : کاوش در کاغذها با کد north_east

• صفحه اصلی : https://arxiv.org/src/1911.12237v2/anc

• کد منبع : tfds.datasets.samsum.Builder

• نسخه ها :

  • 1.0.0 (پیش فرض): بدون یادداشت انتشار.

• اندازه دانلود : Unknown size

• حجم مجموعه داده : 10.71 MiB

• دستورالعمل‌های دانلود دستی : این مجموعه داده از شما می‌خواهد که داده‌های منبع را به صورت دستی در download_config.manual_dir (پیش‌فرض ~/tensorflow_datasets/downloads/manual/ ):
  https://arxiv.org/src/1911.12237v2/anc/corpus.7z را دانلود کنید، فشرده سازی کنید و train.json، val.json و test.json را در پوشه manual قرار دهید.

• ذخیره خودکار ( اسناد ): بله

• تقسیم ها :

• ساختار ویژگی :

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

• مستندات ویژگی :

• کلیدهای نظارت شده (به as_supervised نظارت شده مراجعه کنید): ('dialogue', 'summary')

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

• مثال‌ها ( tfds.as_dataframe ):

• نقل قول :

@article{gliwa2019samsum,
  title={SAMSum Corpus: A Human-annotated Dialogue Dataset for Abstractive Summarization},
  author={Gliwa, Bogdan and Mochol, Iwona and Biesek, Maciej and Wawer, Aleksander},
  journal={arXiv preprint arXiv:1911.12237},
  year={2019}
}