WikiCatSum是一个用于摘要生成的英文数据集，涵盖了动物、公司和电影三个领域。数据集提供了多段文本及其对应的摘要。数据集的创建是自动化的，语言为英语，许可证为CC-BY-SA-3.0。数据集的主要任务是摘要生成，旨在研究多文档摘要生成的能力。数据集的结构包括ID、标题、段落和摘要等字段。数据集被分为训练集、验证集和测试集，分割标准是独立同分布（i.i.d.）。数据集的主要贡献是评估模型在噪声

Hugging Face2022-10-24 更新130

HEBTEASESUM

自然语言处理

文档摘要

HEBTEASESUM是由耶路撒冷希伯来大学研究团队构建的首个希伯来语多文档摘要数据集，基于历史报纸的前页提要自动提取而成。该数据集包含7,774条高质量摘要-文档对，数据源自数字化报纸档案，通过两阶段流程实现：首先识别前页提要中的关键词短语定位摘要，随后匹配对应版面的完整新闻文档。该资源专门针对低资源语言场景设计，有效解决了希伯来语等语言缺乏高质量摘要训练数据的问题，为跨语言摘要模型评估与优化提

arXiv2025-11-18 更新100

Helsinki-NLP/bible_para

多语言翻译

圣经文本

--- annotations_creators: - found language_creators: - found language: - acu - af - agr - ake - am - amu - ar - bg - bsn - cak - ceb - ch - chq - chr - cjp - cni - cop - crp - cs - da - de - dik - dje

Hugging Face2024-01-18 更新190

AbderrahmanSkiredj1/arabml_darija_english_parallel_dataset

多语言翻译

该数据集包含阿拉伯语和英语的双语数据，主要用于翻译任务。

Hugging Face2024-07-15 更新120