postbot/aeslc_kw

AESLC - Cleaned & Keyword Extracted是一个经过清理和关键词提取的AESLC数据集，专门用于文本到文本生成，特别是电子邮件生成。数据集包含电子邮件正文、主题行、清理后的电子邮件和提取的关键词，适用于英语单语种，遵循MIT许可证。

语言：
- 英语（en）
许可证：
- MIT协议
多语言属性：
- 单语言（monolingual）
正式名称：AESLC - 清洗并提取关键词版
源数据集：
- aeslc
标签：
- 文本到文本生成（text2text generation）
- 电子邮件
- 电子邮件生成
- 安然（Enron）

## 数据集说明
- 本数据集基于aeslc数据集进行清洗，并新增了关键词提取列
- 基于pandas探查分析库（pandas profiling）生成的探索性数据分析（EDA，Exploratory Data Analysis）网站已部署于Netlify平台，访问地址为：https://aeslc-kw-train-eda.netlify.app/

DatasetDict({
train: Dataset({
features: ['email_body', 'subject_line', 'clean_email', 'clean_email_keywords'],
num_rows: 14436
})
test: Dataset({
features: ['email_body', 'subject_line', 'clean_email', 'clean_email_keywords'],
num_rows: 1906
})
validation: Dataset({
features: ['email_body', 'subject_line', 'clean_email', 'clean_email_keywords'],
num_rows: 1960
})
})

## Python 使用示例
基础使用示例笔记本可在此处查看：https://colab.research.google.com/gist/pszemraj/18742da8db4a99e57e95824eaead285a/scratchpad.ipynb
python
from datasets import load_dataset

dataset = load_dataset("postbot/aeslc_kw")

## 引用文献

@InProceedings{zhang2019slg,
author = "Rui Zhang and Joel Tetreault",
title = "This Email Could Save Your Life: Introducing the Task of Email Subject Line Generation",
booktitle = "Proceedings of The 57th Annual Meeting of the Association for Computational Linguistics",
year = "2019",
address = "Florence, Italy"
}

原始信息汇总

数据集概述

基本信息

• 名称: AESLC - Cleaned & Keyword Extracted
• 语言: 英语 (en)
• 许可证: MIT
• 多语言性: 单语种
• 来源数据集: aeslc
• 标签:
  • 文本到文本生成
  • 电子邮件
  • 电子邮件生成
  • Enron

数据集描述

• 该数据集是对原始aeslc数据集的清理和关键词提取版本。
• 关键词被提取到新的列中。

数据结构

• 训练集: 包含14436条记录，具有以下特征:
  • email_body
  • subject_line
  • clean_email
  • clean_email_keywords
• 测试集: 包含1906条记录，具有相同特征。
• 验证集: 包含1960条记录，具有相同特征。

引用信息

• 论文: This Email Could Save Your Life: Introducing the Task of Email Subject Line Generation
• 作者: Rui Zhang and Joel Tetreault
• 会议: Proceedings of The 57th Annual Meeting of the Association for Computational Linguistics
• 年份: 2019
• 地点: Florence, Italy