gant100_angulaire

• Description :

Intégrations de vecteurs globaux pré-entraînés pour la représentation de mots (GloVe) pour une recherche approximative du voisin le plus proche. Cet ensemble de données se compose de deux divisions :

1. « base de données » : se compose de 1 183 514 points de données, chacun ayant des fonctionnalités : « intégration » (100 flottants), « index » (int64), « voisins » (liste vide).
2. 'test' : se compose de 10 000 points de données, chacun ayant des fonctionnalités : 'intégration' (100 flottants), 'index' (int64), 'voisins' (liste des 'index' et 'distance' des voisins les plus proches dans la base de données. )

• Page d'accueil : https://nlp.stanford.edu/projects/glove/

• Code source : tfds.nearest_neighbors.glove_100_angular.Glove100Angular

• Versions :

  • 1.0.0 (par défaut) : version initiale.

• Taille du téléchargement : 462.93 MiB

• Taille de l'ensemble de données : 567.90 MiB

• Mise en cache automatique ( documentation ) : Non

• Divisions :

• Structure des fonctionnalités :

FeaturesDict({
    'embedding': Tensor(shape=(100,), dtype=float32),
    'index': Scalar(shape=(), dtype=int64, description=Index within the split.),
    'neighbors': Sequence({
        'distance': Scalar(shape=(), dtype=float32, description=Neighbor distance.),
        'index': Scalar(shape=(), dtype=int64, description=Neighbor index.),
    }),
})

• Documentation des fonctionnalités :

• Clés supervisées (Voir doc as_supervised ) : None

• Figure ( tfds.show_examples ) : non pris en charge.

• Exemples ( tfds.as_dataframe ) :

• Citation :

@inproceedings{pennington2014glove,
  author = {Jeffrey Pennington and Richard Socher and Christopher D. Manning},
  booktitle = {Empirical Methods in Natural Language Processing (EMNLP)},
  title = {GloVe: Global Vectors for Word Representation},
  year = {2014},
  pages = {1532--1543},
  url = {http://www.aclweb.org/anthology/D14-1162},
}