Klexikon数据集是一个德语资源，包含德语维基百科和儿童词典Klexikon之间的文档对齐文本。该数据集旨在联合进行文本简化和摘要任务，包含近2900个对齐的文章对。儿童文章使用的语言比原始维基百科文章更简单，且源（维基百科）和目标（Klexikon）领域之间存在明显的长度差异。数据集的结构包括数据实例、数据字段和数据分割。数据实例表示维基百科文本和Klexikon文本，数据字段包括唯一标识符

Hugging Face2022-10-25 更新230

CATIE-AQ/frenchSIMPLIFICATION

文本简化

法语处理

--- dataset_info: features: - name: sentence dtype: string - name: simplification dtype: string - name: dataset dtype: string splits: - name: train num_bytes: 339019973

Hugging Face2025-12-01 更新110

chaojiang06/wiki_auto

文本简化

句子对齐

WikiAuto数据集提供了一组从英文维基百科和简单英文维基百科中对齐的句子，作为训练句子简化系统的资源。作者首先通过众包方式在简单英文维基百科和英文维基百科的子集中手动对齐句子，然后训练了一个神经CRF系统来预测这些对齐。训练好的对齐预测模型随后应用于简单英文维基百科中具有英文对应版本的其他文章，以创建更大的对齐句子语料库。数据集支持文本简化任务，通常使用SARI和FKBLEU指标进行评估。数据

Hugging Face2024-01-18 更新550

davebulaval/CSMD

文本简化

意义保留评估

CSMD数据集是为评估句子之间的意义保留而创建的，包含1,355个英文文本简化意义保留注释。数据集结构包括多个配置，如`Meaning`、`meaning_with_data_augmentation`、`meaning_holdout_identical`和`meaning_holdout_unrelated`，每个配置都有不同的数据实例和字段。数据字段包括原始句子、简化句子和意义保留评分。数据

Hugging Face2024-03-23 更新170

Text simplification resources for English/Spanish.

资源简介：

相关数据集