wmt_t2t_translate

  • 説明:

statmt.org のデータに基づいてデータセットを翻訳します。

複数のデータ ソースの組み合わせを使用して、さまざまな年のバージョンが存在します。ベースwmt_translateを使用すると、カスタムtfds.translate.wmt.WmtConfigを作成することにより、独自の構成を作成して独自のデータ/言語のペアを選択できます。

config = tfds.translate.wmt.WmtConfig(
    version
="0.0.1",
    language_pair
=("fr", "de"),
    subsets
={
        tfds
.Split.TRAIN: ["commoncrawl_frde"],
        tfds
.Split.VALIDATION: ["euelections_dev2019"],
   
},
)
builder
= tfds.builder("wmt_translate", config=config)
  • 構成の説明: WMT T2T EnDe 翻訳タスク データセット。

  • ホームページ: https://github.com/tensorflow/tensor2tensor/blob/master/tensor2tensor/data_generators/translate_ende.py

  • ソースコード: tfds.translate.WmtT2tTranslate

  • バージョン:

    • 1.0.0 (デフォルト): リリース ノートはありません。
  • ダウンロードサイズ: 1.61 GiB

  • データセットサイズ: 1.39 GiB

  • 手動ダウンロードの手順: このデータセットでは、ソース データを手動でdownload_config.manual_dir (デフォルトは~/tensorflow_datasets/downloads/manual/ ) にダウンロードする必要があります。
    ここにある wmt 構成の一部は、手動でダウンロードする必要があります。ダウンロードする必要がある正確なパス (およびファイル名) を確認するには、wmt.py を調べてください。

  • 自動キャッシュ(ドキュメント): いいえ

  • スプリット:

スプリット
'test' 3,003
'train' 4,592,289
'validation' 3,000
  • 機能構造:
Translation({
   
'de': Text(shape=(), dtype=string),
   
'en': Text(shape=(), dtype=string),
})
  • 機能のドキュメント:
特徴クラスDtype説明
翻訳
文章ストリング
ja文章ストリング
  • 引用
@InProceedings{bojar-EtAl:2014:W14-33,
  author    
= {Bojar, Ondrej  and  Buck, Christian  and  Federmann, Christian  and  Haddow, Barry  and  Koehn, Philipp  and  Leveling, Johannes  and  Monz, Christof  and  Pecina, Pavel  and  Post, Matt  and  Saint-Amand, Herve  and  Soricut, Radu  and  Specia, Lucia  and  Tamchyna, Ale
{s} },
  title    
= {Findings of the 2014 Workshop on Statistical Machine Translation},
  booktitle
= {Proceedings of the Ninth Workshop on Statistical Machine Translation},
  month    
= {June},
  year      
= {2014},
  address  
= {Baltimore, Maryland, USA},
  publisher
= {Association for Computational Linguistics},
  pages    
= {12--58},
  url      
= {http://www.aclweb.org/anthology/W/W14/W14-3302}
}

wmt_t2t_translate/de-en (デフォルト設定)