flwrlabs/shakespeare
收藏资源简介：
该数据集是LEAF基准测试的一部分，构建自《The Complete Works of William Shakespeare》，旨在用于下一个字符预测任务。每个样本包含80个字符的文本和下一个字符。数据集仅包含训练集，且数据是时间序列的，因此在划分时需要小心以避免信息泄露。数据集主要用于联邦学习环境，每个字符和剧本的组合代表联邦中的一个唯一用户。
该数据集是LEAF基准测试的一部分，构建自《The Complete Works of William Shakespeare》，旨在用于下一个字符预测任务。每个样本包含80个字符的文本和下一个字符。数据集仅包含训练集，且数据是时间序列的，因此在划分时需要小心以避免信息泄露。数据集主要用于联邦学习环境，每个字符和剧本的组合代表联邦中的一个唯一用户。
数据集卡片
数据集详情
数据集描述
- 数据集名称： Shakespeare
- 数据集来源： LEAF
- 语言： 英语
- 许可证： BSD 2-Clause License
- 数据集大小： 1M<n<10M
- 任务类别： 文本生成
数据集结构
-
数据文件：
shakespeare.csvsplit: train
-
数据列：
character_id: str - 表示角色和剧目的唯一ID（在联邦学习设置中表示节点）x: str - 80个字符的文本y: str - 紧随x的单个字符
数据集用途
- 直接用途： 该数据集设计用于联邦学习（FL）设置。推荐使用Flower Dataset和Flower框架。
数据集创建
- 创建理由： 作为LEAF基准测试的一部分。
- 源数据： The Complete Works of William Shakespeare
- 源数据生产者： William Shakespeare
数据集分割
- 数据集分割： 仅包含训练集分割。分割在每个节点上进行（无集中式数据集）。
数据集引用
- BibTeX:
@article{DBLP:journals/corr/abs-1812-01097, author = {Sebastian Caldas and Peter Wu and Tian Li and Jakub Kone{v{c}}n{y} and H. Brendan McMahan and Virginia Smith and Ameet Talwalkar}, title = {{LEAF:} {A} Benchmark for Federated Settings}, journal = {CoRR}, volume = {abs/1812.01097}, year = {2018}, url = {http://arxiv.org/abs/1812.01097}, eprinttype = {arXiv}, eprint = {1812.01097}, timestamp = {Wed, 23 Dec 2020 09:35:18 +0100}, biburl = {https://dblp.org/rec/journals/corr/abs-1812-01097.bib}, bibsource = {dblp computer science bibliography, https://dblp.org} }
@article{DBLP:journals/corr/abs-2007-14390, author = {Daniel J. Beutel and Taner Topal and Akhil Mathur and Xinchi Qiu and Titouan Parcollet and Nicholas D. Lane}, title = {Flower: {A} Friendly Federated Learning Research Framework}, journal = {CoRR}, volume = {abs/2007.14390}, year = {2020}, url = {https://arxiv.org/abs/2007.14390}, eprinttype = {arXiv}, eprint = {2007.14390}, timestamp = {Mon, 03 Aug 2020 14:32:13 +0200}, biburl = {https://dblp.org/rec/journals/corr/abs-2007-14390.bib}, bibsource = {dblp computer science bibliography, https://dblp.org} }
