SAMSum_Corpus

displayName: SAMSum Corpus
labelTypes:
- Classification
license:
- CC BY-NC-ND 4.0
mediaTypes:
- Text
paperUrl: https://arxiv.org/pdf/1911.12237v2.pdf
publishDate: "2019"
publishUrl: https://github.com/huggingface/datasets/tree/master/datasets/samsum
publisher:
- Samsung R&D Institute Poland
tags:
- Text
taskTypes:
- Text Summarization/Simplication
- Federated Learning
- Abstractive Text Summarization

---
# 数据集介绍
## 简介
SAMSum 数据集包含大约 16k 个带有摘要的类似信使的对话。对话由精通英语的语言学家创建和记录。语言学家被要求创建类似于他们每天所写的对话，以反映他们现实生活中的信使对话的主题比例。风格和语域是多样化的——对话可以是非正式的、半正式的或正式的，它们可能包含俚语、表情符号和错别字。然后，用摘要对对话进行注释。假设摘要应该是人们在第三人称对话中所谈论内容的简明扼要。 SAMSum 数据集由波兰三星研发研究所准备并分发用于研究目的（非商业许可：CC BY-NC-ND 4.0）。
## 引文

```
"@article{gliwa2019samsum,
title={SAMSum corpus: A human-annotated dialogue dataset for abstractive summarization},
author={Gliwa, Bogdan and Mochol, Iwona and Biesek, Maciej and Wawer, Aleksander},
journal={arXiv preprint arXiv:1911.12237},
year={2019}
}"
```

## Download dataset
:modelscope-code[]{type="git"}

displayName: SAMSum语料库
labelTypes:
- 分类
license:
- CC BY-NC-ND 4.0
mediaTypes:
- 文本
paperUrl: https://arxiv.org/pdf/1911.12237v2.pdf
publishDate: "2019"
publishUrl: https://github.com/huggingface/datasets/tree/master/datasets/samsum
publisher:
- 波兰三星研发研究院
tags:
- 文本
taskTypes:
- 文本摘要与简化
- 联邦学习
- 抽象式文本摘要

---
# 数据集介绍
## 简介
SAMSum数据集包含约1.6万个带摘要的类即时通讯对话。此类对话由熟练掌握英语的语言学家创作并标注。语言学家被要求创作贴合日常写作风格的对话，以还原真实即时通讯场景下的对话主题分布比例。对话的风格与语域多样，可涵盖非正式、半正式乃至正式场景，且可能包含俚语、表情符号与拼写错误。随后，专业人员将为每段对话添加摘要标注，该摘要需以第三人称简明概括对话的核心内容。本数据集由波兰三星研发研究院筹备发布，仅用于学术研究，许可协议为CC BY-NC-ND 4.0。
## 引文

"@article{gliwa2019samsum,
title={SAMSum corpus: A human-annotated dialogue dataset for abstractive summarization},
author={Gliwa, Bogdan and Mochol, Iwona and Biesek, Maciej and Wawer, Aleksander},
journal={arXiv preprint arXiv:1911.12237},
year={2019}
}"

## 数据集下载
:modelscope-code[]{type="git"}