e2e_cleaned

• 설명 :

정리된 MR이 포함된 E2E NLG Challenge 데이터의 업데이트 릴리스입니다. E2E 데이터는 레스토랑 도메인의 화행 기반 MR(의미 표현)과 예측해야 하는 자연어 참조 최대 5개를 포함합니다.

• 추가 문서 : north_east 코드가 있는 논문에서 탐색

• 홈페이지 : https://github.com/tuetschek/e2e-cleaning

• 소스 코드 : tfds.datasets.e2e_cleaned.Builder

• 버전 :

  • 0.1.0 (기본값): 릴리스 정보가 없습니다.

• 다운로드 크기 : 13.92 MiB

• 데이터 세트 크기 : 14.70 MiB

• 자동 캐시 ( 문서 ): 예

• 분할 :

• 기능 구조 :

FeaturesDict({
    'input_text': FeaturesDict({
        'table': Sequence({
            'column_header': string,
            'content': string,
            'row_number': int16,
        }),
    }),
    'target_text': string,
})

• 기능 문서 :

• 감독 키 ( as_supervised 문서 참조): ('input_text', 'target_text')

• 그림 ( tfds.show_examples ): 지원되지 않습니다.

• 예 ( tfds.as_dataframe ):

• 인용 :

@inproceedings{dusek-etal-2019-semantic,
    title = "Semantic Noise Matters for Neural Natural Language Generation",
    author = "Du{\v{s} }ek, Ond{\v{r} }ej  and
      Howcroft, David M.  and
      Rieser, Verena",
    booktitle = "Proceedings of the 12th International Conference on Natural Language Generation",
    month = oct # "{--}" # nov,
    year = "2019",
    address = "Tokyo, Japan",
    publisher = "Association for Computational Linguistics",
    url = "https://www.aclweb.org/anthology/W19-8652",
    doi = "10.18653/v1/W19-8652",
    pages = "421--426",
    abstract = "Neural natural language generation (NNLG) systems are known for their pathological outputs, i.e. generating text which is unrelated to the input specification. In this paper, we show the impact of semantic noise on state-of-the-art NNLG models which implement different semantic control mechanisms. We find that cleaned data can improve semantic correctness by up to 97{\%}, while maintaining fluency. We also find that the most common error is omitting information, rather than hallucination.",
}