d0rj/samsum-ru

SAMSum Corpus (ru) 数据集是通过将原始的SAMSum数据集从英语翻译成俄语而创建的，使用了Google翻译工具。该数据集主要用于对话摘要任务，包含对话文本和人工编写的摘要。数据集的结构包括三个主要字段：对话文本、摘要和唯一文件ID。数据集分为训练集、验证集和测试集，分别包含14731、818和819个样本。数据集的许可证为非商业用途的CC BY-NC-ND 4.0。

原始信息汇总

SAMSum Corpus (ru) 数据集概述

基本信息

• 名称: SAMSum Corpus (ru)
• 语言: 俄语
• 许可证: CC BY-NC-ND 4.0（非商业使用）
• 多语言性: 单语种
• 大小: 10K<n<100K
• 来源数据集: samsum
• 任务类别: 摘要生成
• 标签: 对话摘要

数据集结构

数据字段

• id: 字符串类型，唯一标识符
• dialogue: 字符串类型，对话文本
• summary: 字符串类型，对话的人工摘要

数据分割

• 训练集: 14731个样本，8598724字节
• 验证集: 818个样本，471632字节
• 测试集: 819个样本，483686字节
• 总大小: 9554042字节

许可证信息

• 使用限制: 非商业使用，CC BY-NC-ND 4.0

引用信息

@inproceedings{gliwa-etal-2019-samsum, title = "{SAMS}um Corpus: A Human-annotated Dialogue Dataset for Abstractive Summarization", author = "Gliwa, Bogdan and Mochol, Iwona and Biesek, Maciej and Wawer, Aleksander", booktitle = "Proceedings of the 2nd Workshop on New Frontiers in Summarization", month = nov, year = "2019", address = "Hong Kong, China", publisher = "Association for Computational Linguistics", url = "https://www.aclweb.org/anthology/D19-5409", doi = "10.18653/v1/D19-5409", pages = "70--79" }