glove100_angular

• Описание :

Предварительно обученные встраивания глобальных векторов для представления слов (GloVe) для приблизительного поиска ближайшего соседа. Этот набор данных состоит из двух частей:

1. «база данных»: состоит из 1 183 514 точек данных, каждая из которых имеет функции: «встраивание» (100 чисел с плавающей запятой), «индекс» (int64), «соседи» (пустой список).
2. «тест»: состоит из 10 000 точек данных, каждая из которых имеет функции: «встраивание» (100 чисел с плавающей запятой), «индекс» (int64), «соседи» (список «индексов» и «расстояний» ближайших соседей в базе данных. )

• Домашняя страница : https://nlp.stanford.edu/projects/glove/

• Исходный код : tfds.nearest_neighbors.glove_100_angular.Glove100Angular

• Версии :

  • 1.0.0 (по умолчанию): первоначальный выпуск.

• Размер загрузки : 462.93 MiB

• Размер набора данных : 567.90 MiB

• Автокэширование ( документация ): Нет

• Расколы :

• Структура функции :

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.),
    }),
})

• Функциональная документация :

• Контролируемые ключи (см. документ as_supervised ): None

• Рисунок ( tfds.show_examples ): не поддерживается.

• Примеры ( tfds.as_dataframe ):

• Цитата :

@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},
}