बुकसुम

• विवरण :

बुकसम: दीर्घ-रूपी वर्णनात्मक सारांश के लिए डेटासेट का संग्रह

यह कार्यान्वयन वर्तमान में केवल पुस्तक और अध्याय सारांशों का समर्थन करता है।

गिटहब: https://github.com/salesforce/booksum

• अतिरिक्त दस्तावेज़ीकरण : north_east कोड वाले पेपर्स पर एक्सप्लोर करें

• होमपेज : https://github.com/salesforce/booksum

• स्रोत कोड : tfds.datasets.booksum.Builder

• संस्करण :

  • 1.0.0 (डिफ़ॉल्ट): प्रारंभिक रिलीज़।

• डाउनलोड आकार : Unknown size

• मैन्युअल डाउनलोड निर्देश : इस डेटासेट के लिए आपको स्रोत डेटा को मैन्युअल रूप से download_config.manual_dir (डिफ़ॉल्ट रूप से ~/tensorflow_datasets/downloads/manual/ ) में डाउनलोड करना होगा:
  

  1) https://github.com/salesforce/booksum पर जाएं और चरण 1-3 चलाएं। पूरे booksum गिट प्रोजेक्ट को मैनुअल फोल्डर में रखें। 2) अध्यायीकृत पुस्तकें https://storage.cloud.google.com/sfr-books-dataset-chapters-research/all_chapterized_books.zip से डाउनलोड करें और मैन्युअल फ़ोल्डर में अनज़िप करें।

मैनुअल फ़ोल्डर में निम्नलिखित निर्देशिकाएँ होनी चाहिए:

- `booksum/`
- `all_chapterized_books/`

• ऑटो-कैश्ड ( दस्तावेज़ीकरण ): हाँ (परीक्षण, सत्यापन), केवल जब shuffle_files=False (ट्रेन)

• फ़ीचर संरचना :

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

• फ़ीचर दस्तावेज़ीकरण :

• पर्यवेक्षित कुंजी ( as_supervised दस्तावेज़ देखें): ('document', 'summary')

• चित्र ( tfds.show_examples ): समर्थित नहीं है।

• उद्धरण :

@article{kryscinski2021booksum,
      title={BookSum: A Collection of Datasets for Long-form Narrative Summarization},
      author={Wojciech Kry{\'s}ci{\'n}ski and Nazneen Rajani and Divyansh Agarwal and Caiming Xiong and Dragomir Radev},
      year={2021},
      eprint={2105.08209},
      archivePrefix={arXiv},
      primaryClass={cs.CL}
}

बुकसम/पुस्तक (डिफ़ॉल्ट कॉन्फ़िगरेशन)

• कॉन्फिग विवरण : पुस्तक-स्तरीय संक्षिप्तीकरण

• डेटासेट का आकार : 208.81 MiB

• विभाजन :

• उदाहरण ( tfds.as_dataframe ):

बुकसम / चैप्टर

• Config विवरण : अध्याय-स्तरीय संक्षेपण

• डेटासेट का आकार : 216.71 MiB

• विभाजन :

• उदाहरण ( tfds.as_dataframe ):