c4_wsrs

• Descripción :

Un conjunto de datos de expansión de abreviaturas médicas que aplica sustitución inversa a escala web (wsrs) al conjunto de datos C4, que es una versión colosal y limpia del corpus de rastreo web de Common Crawl.

La fuente original es el conjunto de datos Common Crawl: https://commoncrawl.org

• Descripción de la configuración : Conjunto de datos C4-WSRS predeterminado.

• Página de inicio: https://github.com/google-research/google-research/tree/master/deciphering_clinical_abbreviations

• Código fuente : tfds.text.c4_wsrs.C4WSRS

• Versiones :

  • 1.0.0 (predeterminado): Versión inicial.

• Tamaño de la descarga : 143.01 KiB

• Tamaño del conjunto de datos : 5.84 GiB

• Almacenamiento automático en caché ( documentación ): No

• Divisiones :

• Estructura de características :

FeaturesDict({
    'abbreviated_snippet': Text(shape=(), dtype=string),
    'original_snippet': Text(shape=(), dtype=string),
})

• Documentación de características :

• Claves supervisadas (Ver as_supervised doc ): None

• Figura ( tfds.show_examples ): no compatible.

• Ejemplos ( tfds.as_dataframe ):

• Cita :

c4_wsrs/default (configuración predeterminada)