irc_disentangle

Tài liệu tham khảo:

Ubuntu

Sử dụng lệnh sau để tải tập dữ liệu này trong TFDS:

ds = tfds.load('huggingface:irc_disentangle/ubuntu')
  • Sự miêu tả :
Disentangling conversations mixed together in a single stream of messages is
a difficult task, made harder by the lack of large manually annotated
datasets. This new dataset of 77,563 messages manually annotated with
reply-structure graphs that both disentangle conversations and define
internal conversation structure. The dataset is 16 times larger than all
previously released datasets combined, the first to include adjudication of
annotation disagreements, and the first to include context.
  • Giấy phép : Giấy phép Công cộng Quốc tế Creative Commons Ghi công 4.0
  • Phiên bản : 1.0.0
  • Chia tách :
Tách ra Ví dụ
'test' 15010
'train' 220616
'validation' 12510
  • Đặc trưng :
{
    "id": {
        "dtype": "int32",
        "id": null,
        "_type": "Value"
    },
    "raw": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    },
    "ascii": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    },
    "tokenized": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    },
    "date": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    },
    "connections": {
        "feature": {
            "dtype": "int32",
            "id": null,
            "_type": "Value"
        },
        "length": -1,
        "id": null,
        "_type": "Sequence"
    }
}

kênh_hai

Sử dụng lệnh sau để tải tập dữ liệu này trong TFDS:

ds = tfds.load('huggingface:irc_disentangle/channel_two')
  • Sự miêu tả :
Disentangling conversations mixed together in a single stream of messages is
a difficult task, made harder by the lack of large manually annotated
datasets. This new dataset of 77,563 messages manually annotated with
reply-structure graphs that both disentangle conversations and define
internal conversation structure. The dataset is 16 times larger than all
previously released datasets combined, the first to include adjudication of
annotation disagreements, and the first to include context.
  • Giấy phép : Giấy phép Công cộng Quốc tế Creative Commons Ghi công 4.0
  • Phiên bản : 1.0.0
  • Chia tách :
Tách ra Ví dụ
'all_' 2602
'dev' 1001
'pilot' 501
'pilot_dev' 1501
'test' 1001
  • Đặc trưng :
{
    "id": {
        "dtype": "int32",
        "id": null,
        "_type": "Value"
    },
    "raw": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    },
    "ascii": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    },
    "tokenized": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    },
    "connections": {
        "feature": {
            "dtype": "int32",
            "id": null,
            "_type": "Value"
        },
        "length": -1,
        "id": null,
        "_type": "Sequence"
    }
}