- الوصف :
مجموعة بيانات متعددة اللغات (60 لغة) مستمدة من نصوص TED Talk. يتكون كل سجل من مصفوفتين متوازيتين من اللغة والنص. ستتم تصفية الترجمات الناقصة وغير المكتملة.
الصفحة الرئيسية : https://github.com/neulab/word-embeddings-for-nmt
كود المصدر :
tfds.datasets.ted_multi_translate.Builder
إصدارات :
-
1.1.0
(افتراضي): لا توجد ملاحظات حول الإصدار.
-
حجم التحميل :
335.91 MiB
حجم مجموعة البيانات :
752.30 MiB
التخزين المؤقت التلقائي ( التوثيق ): لا
الانقسامات :
ينقسم | أمثلة |
---|---|
'test' | 7،213 |
'train' | 258،098 |
'validation' | 6049 |
- هيكل الميزة :
FeaturesDict({
'talk_name': Text(shape=(), dtype=string),
'translations': TranslationVariableLanguages({
'language': Text(shape=(), dtype=string),
'translation': Text(shape=(), dtype=string),
}),
})
- وثائق الميزة :
ميزة | فصل | شكل | نوع | وصف |
---|---|---|---|---|
الميزات | ||||
talk_name | نص | خيط | ||
الترجمات | ترجمة لغة متغيرة | |||
ترجمة / لغة | نص | خيط | ||
ترجمة / ترجمة | نص | خيط |
المفاتيح الخاضعة للإشراف (انظر المستند
as_supervised
):None
الشكل ( tfds.show_examples ): غير مدعوم.
أمثلة ( tfds.as_dataframe ):
- الاقتباس :
@InProceedings{qi-EtAl:2018:N18-2,
author = {Qi, Ye and Sachan, Devendra and Felix, Matthieu and Padmanabhan, Sarguna and Neubig, Graham},
title = {When and Why Are Pre-Trained Word Embeddings Useful for Neural Machine Translation?},
booktitle = {Proceedings of the 2018 Conference of the North American Chapter of the Association for Computational Linguistics: Human Language Technologies, Volume 2 (Short Papers)},
month = {June},
year = {2018},
address = {New Orleans, Louisiana},
publisher = {Association for Computational Linguistics},
pages = {529--535},
abstract = {The performance of Neural Machine Translation (NMT) systems often suffers in low-resource scenarios where sufficiently large-scale parallel corpora cannot be obtained. Pre-trained word embeddings have proven to be invaluable for improving performance in natural language analysis tasks, which often suffer from paucity of data. However, their utility for NMT has not been extensively explored. In this work, we perform five sets of experiments that analyze when we can expect pre-trained word embeddings to help in NMT tasks. We show that such embeddings can be surprisingly effective in some cases -- providing gains of up to 20 BLEU points in the most favorable setting.},
url = {http://www.aclweb.org/anthology/N18-2084}
}
، - الوصف :
مجموعة بيانات متعددة اللغات (60 لغة) مستمدة من نصوص TED Talk. يتكون كل سجل من مصفوفتين متوازيتين من اللغة والنص. ستتم تصفية الترجمات الناقصة وغير المكتملة.
الصفحة الرئيسية : https://github.com/neulab/word-embeddings-for-nmt
كود المصدر :
tfds.datasets.ted_multi_translate.Builder
إصدارات :
-
1.1.0
(افتراضي): لا توجد ملاحظات حول الإصدار.
-
حجم التحميل :
335.91 MiB
حجم مجموعة البيانات :
752.30 MiB
التخزين المؤقت التلقائي ( التوثيق ): لا
الانقسامات :
ينقسم | أمثلة |
---|---|
'test' | 7،213 |
'train' | 258،098 |
'validation' | 6049 |
- هيكل الميزة :
FeaturesDict({
'talk_name': Text(shape=(), dtype=string),
'translations': TranslationVariableLanguages({
'language': Text(shape=(), dtype=string),
'translation': Text(shape=(), dtype=string),
}),
})
- وثائق الميزة :
ميزة | فصل | شكل | نوع | وصف |
---|---|---|---|---|
الميزات | ||||
talk_name | نص | خيط | ||
الترجمات | ترجمة لغة متغيرة | |||
ترجمة / لغة | نص | خيط | ||
ترجمة / ترجمة | نص | خيط |
المفاتيح الخاضعة للإشراف (انظر المستند
as_supervised
):None
الشكل ( tfds.show_examples ): غير مدعوم.
أمثلة ( tfds.as_dataframe ):
- الاقتباس :
@InProceedings{qi-EtAl:2018:N18-2,
author = {Qi, Ye and Sachan, Devendra and Felix, Matthieu and Padmanabhan, Sarguna and Neubig, Graham},
title = {When and Why Are Pre-Trained Word Embeddings Useful for Neural Machine Translation?},
booktitle = {Proceedings of the 2018 Conference of the North American Chapter of the Association for Computational Linguistics: Human Language Technologies, Volume 2 (Short Papers)},
month = {June},
year = {2018},
address = {New Orleans, Louisiana},
publisher = {Association for Computational Linguistics},
pages = {529--535},
abstract = {The performance of Neural Machine Translation (NMT) systems often suffers in low-resource scenarios where sufficiently large-scale parallel corpora cannot be obtained. Pre-trained word embeddings have proven to be invaluable for improving performance in natural language analysis tasks, which often suffer from paucity of data. However, their utility for NMT has not been extensively explored. In this work, we perform five sets of experiments that analyze when we can expect pre-trained word embeddings to help in NMT tasks. We show that such embeddings can be surprisingly effective in some cases -- providing gains of up to 20 BLEU points in the most favorable setting.},
url = {http://www.aclweb.org/anthology/N18-2084}
}