DESCGEN

DESCGEN是一个用于生成实体摘要描述的远监督数据集，包含37K条来自维基百科和Fandom的实体描述，每条描述平均关联9个证据文档。数据集通过结合实体链接和超链接到维基百科和Fandom实体页面的方式，提供了高质量的远监督。DESCGEN旨在解决描述新出现实体的挑战，尤其是在信息分散且风格多样的多源信息中。数据集的应用领域包括实体链接和问答系统，旨在通过自动生成实体描述来提高下游任务的性能。

原始信息汇总

DESCGEN 数据集

数据集概述

DESCGEN 数据集是为 ACL 2021 论文《DESCGEN: A Distantly Supervised Dataset for Generating Abstractive Entity Descriptions》准备的数据。

数据文件

• entity2context：包含用于编写描述的所有源文档，键是实体名称，值是提及该实体的文档列表。
• entity2summary_train：包含训练实体的维基摘要。
• entity2summary_dev_distant：包含开发实体的维基摘要。
• entity2summary_dev_verified：包含开发实体的人工编写摘要。类似地，entity2summary_test_distant 和 entity2summary_test_verified 也包含测试实体的相应摘要。

搜集汇总

背景与挑战

背景概述

DESCGEN是一个用于生成抽象实体描述的远监督数据集，源自ACL 2021论文。它包含实体上下文文档和多种摘要数据（如维基摘要和人工验证摘要），支持训练和评估实体描述生成模型。数据集通过Google Drive公开提供，适用于自然语言处理研究。