MediaSum

MediaSum，一个大规模的媒体采访数据集，由463.6k成绩单和抽象摘要组成。为了创建这个数据集，我们从NPR和CNN收集采访记录，并使用概述和主题描述作为摘要。与现有的用于对话摘要的公共语料库相比，我们的数据集要大一个数量级，并且包含来自多个领域的复杂多方对话。我们进行统计分析，以证明电视和广播采访的笔录中表现出的独特位置偏差。我们还表明，MediaSum可用于迁移学习，以提高模型在其他对话摘要任务上的性能。

搜集汇总

背景与挑战

背景概述

MediaSum是一个大规模媒体采访数据集，包含46.3万条来自NPR和CNN采访的转录文本和摘要，其规模远超现有对话摘要语料库，并展现独特的位置偏差。该数据集可用于迁移学习，以提升其他对话摘要任务的模型性能。