- Descripción :
Conjunto de datos de conversión de datos a texto en checo en el dominio del restaurante. Las representaciones de significado de entrada contienen un tipo de acto de diálogo (informar, confirmar, etc.), espacios (comida, área, etc.) y sus valores. Se originó como una traducción del conjunto de datos de restaurantes de San Francisco en inglés de Wen et al. (2015).
Página de inicio: https://github.com/UFAL-DSG/cs_restaurant_dataset
Código fuente :
tfds.structured.cs_restaurants.CSRestaurants
Versiones :
-
1.0.0
(predeterminado): Sin notas de la versión.
-
Tamaño de descarga :
1.40 MiB
Tamaño del conjunto de datos :
2.46 MiB
Almacenamiento automático en caché ( documentación ): Sí
Divisiones :
Separar | Ejemplos |
---|---|
'test' | 842 |
'train' | 3,569 |
'validation' | 781 |
- Estructura de características :
FeaturesDict({
'delex_input_text': FeaturesDict({
'table': Sequence({
'column_header': string,
'content': string,
'row_number': int16,
}),
}),
'delex_target_text': string,
'input_text': FeaturesDict({
'table': Sequence({
'column_header': string,
'content': string,
'row_number': int16,
}),
}),
'target_text': string,
})
- Documentación de características :
Rasgo | Clase | Forma | Tipo D | Descripción |
---|---|---|---|---|
CaracterísticasDict | ||||
delex_input_text | CaracterísticasDict | |||
delex_input_text/tabla | Secuencia | |||
delex_input_text/table/column_header | Tensor | cuerda | ||
delex_input_text/tabla/contenido | Tensor | cuerda | ||
delex_input_text/table/row_number | Tensor | int16 | ||
delex_target_text | Tensor | cuerda | ||
texto de entrada | CaracterísticasDict | |||
entrada_texto/tabla | Secuencia | |||
texto_de_entrada/tabla/encabezado_de_columna | Tensor | cuerda | ||
entrada_texto/tabla/contenido | Tensor | cuerda | ||
texto_de_entrada/tabla/número_de_fila | Tensor | int16 | ||
texto_objetivo | Tensor | cuerda |
Teclas supervisadas (Ver
as_supervised
doc ):('input_text', 'target_text')
Figura ( tfds.show_examples ): no compatible.
Ejemplos ( tfds.as_dataframe ):
- Cita :
@inproceedings{dusek_neural_2019,
author = {Dušek, Ondřej and Jurčíček, Filip},
title = {Neural {Generation} for {Czech}: {Data} and {Baselines} },
shorttitle = {Neural {Generation} for {Czech} },
url = {https://www.aclweb.org/anthology/W19-8670/},
urldate = {2019-10-18},
booktitle = {Proceedings of the 12th {International} {Conference} on {Natural} {Language} {Generation} ({INLG} 2019)},
month = oct,
address = {Tokyo, Japan},
year = {2019},
pages = {563--574},
abstract = {We present the first dataset targeted at end-to-end NLG in Czech in the restaurant domain, along with several strong baseline models using the sequence-to-sequence approach. While non-English NLG is under-explored in general, Czech, as a morphologically rich language, makes the task even harder: Since Czech requires inflecting named entities, delexicalization or copy mechanisms do not work out-of-the-box and lexicalizing the generated outputs is non-trivial. In our experiments, we present two different approaches to this this problem: (1) using a neural language model to select the correct inflected form while lexicalizing, (2) a two-step generation setup: our sequence-to-sequence model generates an interleaved sequence of lemmas and morphological tags, which are then inflected by a morphological generator.},
}