サムスクリーン

• 説明:

SummScreen 要約データセット、非匿名化、非トークン化バージョン。

トレーニング/検証/テストの分割とフィルタリングは最終的なトークン化されたデータセットに基づいていますが、提供されるトランスクリプトと要約はトークン化されていないテキストに基づいています。

次の 2 つの機能があります。

• トランスクリプト: 完全なエピソードのトランスクリプト、改行で区切られた台詞の各行

• recap: エピソードの要約または要約

• ホームページ: https://github.com/mingdachen/SummScreen

• ソース コード: tfds.datasets.summscreen.Builder

• バージョン:

  • 1.0.0 (デフォルト): 初期リリース。

• ダウンロードサイズ: 841.27 MiB

• 監視されたキー( as_supervised docを参照): ('transcript', 'recap')

• 図( tfds.show_examples ): サポートされていません。

• 引用：

@article{DBLP:journals/corr/abs-2104-07091,
  author    = {Mingda Chen and
               Zewei Chu and
               Sam Wiseman and
               Kevin Gimpel},
  title     = {SummScreen: {A} Dataset for Abstractive Screenplay Summarization},
  journal   = {CoRR},
  volume    = {abs/2104.07091},
  year      = {2021},
  url       = {https://arxiv.org/abs/2104.07091},
  archivePrefix = {arXiv},
  eprint    = {2104.07091},
  timestamp = {Mon, 19 Apr 2021 16:45:47 +0200},
  biburl    = {https://dblp.org/rec/journals/corr/abs-2104-07091.bib},
  bibsource = {dblp computer science bibliography, https://dblp.org}
}

summscreen/fd (デフォルト設定)

• 構成の説明: ForeverDreaming

• データセットのサイズ: 132.99 MiB

• 自動キャッシュ(ドキュメント): はい

• スプリット:

• 機能構造:

FeaturesDict({
    'episode_number': Text(shape=(), dtype=string),
    'episode_title': Text(shape=(), dtype=string),
    'recap': Text(shape=(), dtype=string),
    'show_title': Text(shape=(), dtype=string),
    'transcript': Text(shape=(), dtype=string),
    'transcript_author': Text(shape=(), dtype=string),
})

• 機能のドキュメント:

• 例( tfds.as_dataframe ):

サムスクリーン/tms

• 構成の説明: TVMegaSite

• データセットサイズ: 592.53 MiB

• 自動キャッシュ(ドキュメント): いいえ

• スプリット:

• 機能構造:

FeaturesDict({
    'episode_summary': Text(shape=(), dtype=string),
    'recap': Text(shape=(), dtype=string),
    'recap_author': Text(shape=(), dtype=string),
    'show_title': Text(shape=(), dtype=string),
    'transcript': Text(shape=(), dtype=string),
    'transcript_author': Tensor(shape=(None,), dtype=string),
})

• 機能のドキュメント:

• 例( tfds.as_dataframe ):