buco

• Descrição :

Identificar frases paralelas em corpora comparáveis. Dados dois corpora monolíngues divididos em sentenças, espera-se que os sistemas participantes identifiquem pares de sentenças que são traduções umas das outras.

A tarefa de mineração BUCC é uma tarefa compartilhada na extração de sentenças paralelas de dois corpora monolíngues com um subconjunto deles considerados paralelos e que está disponível desde 2016. Para cada par de idiomas, a tarefa compartilhada fornece um corpus monolíngue para cada idioma e uma lista de mapeamento de ouro contendo pares de tradução verdadeiros. Esses pares são a verdade fundamental. A tarefa é construir uma lista de pares de traduções a partir dos corpora monolíngues. A lista construída é comparada com a verdade de campo e avaliada em termos da medida F1.

• Página inicial : https://comparable.limsi.fr/bucc2018/

• Código -fonte: tfds.datasets.bucc.Builder

• Versões :

  • 1.0.0 (padrão): versão inicial.

• Cache automático ( documentação ): Sim

• Estrutura de recursos :

FeaturesDict({
    'source_id': Text(shape=(), dtype=string),
    'source_sentence': Text(shape=(), dtype=string),
    'target_id': Text(shape=(), dtype=string),
    'target_sentence': Text(shape=(), dtype=string),
})

• Documentação do recurso:

• Chaves supervisionadas (Consulte as_supervised doc ): None

• Figura ( tfds.show_examples ): Não compatível.

• Citação :

@inproceedings{zweigenbaum2018overview,
  title={Overview of the third BUCC shared task: Spotting parallel sentences  in comparable corpora},
  author={Zweigenbaum, Pierre and Sharoff, Serge and Rapp, Reinhard},
  booktitle={Proceedings of 11th Workshop on Building and Using Comparable Corpora},
  pages={39--42},
  year={2018}
}

bucc/bucc_de (configuração padrão)

• Tamanho do download : 29.30 MiB

• Tamanho do conjunto de dados : 3.21 MiB

• Divisões :

• Exemplos ( tfds.as_dataframe ):

bucc/bucc_fr

• Tamanho do download : 21.65 MiB

• Tamanho do conjunto de dados : 2.90 MiB

• Divisões :

• Exemplos ( tfds.as_dataframe ):

bucc/bucc_zh

• Tamanho do download : 6.79 MiB

• Tamanho do conjunto de dados : 615.20 KiB

• Divisões :

• Exemplos ( tfds.as_dataframe ):

bucc/bucc_ru

• Tamanho do download : 39.44 MiB

• Tamanho do conjunto de dados : 6.36 MiB

• Divisões :

• Exemplos ( tfds.as_dataframe ):