Bisi/DivSumm

DivSumm是一个新颖的数据集，包含多种英语方言的推文和人工编写的摘要。数据集包含25个主题，每个主题有90条推文，这些推文均匀分布在三种方言中（非洲裔美国人、西班牙裔和白人）。每个主题有两个参考摘要，一个是抽象摘要，另一个是提取摘要。抽象摘要是由两名注释者用自己的话总结的，而提取摘要则是从每个主题中选择5条推文作为摘要。

原始信息汇总

DivSumm Summarization Dataset

简介

DivSumm是一个新颖的数据集，包含多种英语方言（非洲裔美国人、西班牙裔和白人）的90条推文以及人工编写的提取式和抽象式摘要。该数据集涵盖25个主题，每个主题包含90条推文，均匀分布在三种方言中，每个输入对应两个参考摘要。

数据集内容

• input_docs: 包含每个主题的90条推文，均匀分布在三种方言中，总计25个主题。
• abstractive: 两位注释者被要求使用自己的话，对每个主题进行5句话的摘要。
• extractive: 两位注释者被要求从每个主题中选择5条最能概括输入推文的推文。

论文引用

若在研究中使用此数据集，请引用以下论文：

@inproceedings{olabisi-etal-2022-analyzing, title = "Analyzing the Dialect Diversity in Multi-document Summaries", author = "Olabisi, Olubusayo and Hudson, Aaron and Jetter, Antonie and Agrawal, Ameeta", booktitle = "Proceedings of the 29th International Conference on Computational Linguistics", month = oct, year = "2022", }