wikihow

• Descripción :

WikiHow es un nuevo conjunto de datos a gran escala que utiliza la base de conocimiento en línea de WikiHow ( http://www.wikihow.com/ ).

Hay dos características: - texto: wikihow responde textos. - titular: líneas en negrita a modo de resumen.

Hay dos versiones separadas: - all: consiste en la concatenación de todos los párrafos como los artículos y las líneas en negrita como los resúmenes de referencia. - sep: formado por cada párrafo y su resumen.

Descargue "wikihowAll.csv" y "wikihowSep.csv" de https://github.com/mahnazkoupaee/WikiHow-Dataset y colóquelos en la carpeta manual https://www.tensorflow.org/datasets/api_docs/python/tfds/ download/DownloadConfig Train/validation/test splits son proporcionados por los autores. Se aplica preprocesamiento para eliminar artículos breves (longitud del resumen < 0,75 de longitud del artículo) y limpiar las comas adicionales.

• Documentación adicional : Explore en Papers With Code north_east

• Página de inicio: https://github.com/mahnazkoupaee/WikiHow-Dataset

• Código fuente : tfds.summarization.Wikihow

• Versiones :

  • 1.2.0 (predeterminado): Sin notas de la versión.

• Tamaño de la descarga : 5.21 MiB

• Instrucciones de descarga manual : este conjunto de datos requiere que descargue los datos de origen manualmente en download_config.manual_dir (el valor predeterminado es ~/tensorflow_datasets/downloads/manual/ ):
  Los enlaces a los archivos se pueden encontrar en https://github.com/mahnazkoupaee/WikiHow-Dataset Descargue wikihowAll.csv y wikihowSep.csv.

• Almacenamiento automático en caché ( documentación ): No

• Claves supervisadas (ver documento as_supervised ): ('text', 'headline')

• Figura ( tfds.show_examples ): no compatible.

• Cita :

@misc{koupaee2018wikihow,
    title={WikiHow: A Large Scale Text Summarization Dataset},
    author={Mahnaz Koupaee and William Yang Wang},
    year={2018},
    eprint={1810.09305},
    archivePrefix={arXiv},
    primaryClass={cs.CL}
}

wikihow/all (configuración predeterminada)

• Descripción de la configuración : use la concatenación de todos los párrafos como artículos y las líneas en negrita como resúmenes de referencia

• Tamaño del conjunto de datos : 531.56 MiB

• Divisiones :

• Estructura de características :

FeaturesDict({
    'headline': Text(shape=(), dtype=string),
    'text': Text(shape=(), dtype=string),
    'title': Text(shape=(), dtype=string),
})

• Documentación de características :

• Ejemplos ( tfds.as_dataframe ):

wikihow/septiembre

• Descripción de la configuración : utiliza cada párrafo y su resumen.

• Tamaño del conjunto de datos : 1.07 GiB

• Divisiones :

• Estructura de características :

FeaturesDict({
    'headline': Text(shape=(), dtype=string),
    'overview': Text(shape=(), dtype=string),
    'sectionLabel': Text(shape=(), dtype=string),
    'text': Text(shape=(), dtype=string),
    'title': Text(shape=(), dtype=string),
})

• Documentación de características :

• Ejemplos ( tfds.as_dataframe ):