DiscoFuse

DiscoFuse 是通过在两个语料库上应用基于规则的拆分方法创建的 - 体育文章从网络和维基百科爬取。详细见论文 数据集生成过程和评估的描述。 DiscoFuse 有两部分，分别来自体育文章和维基百科的 44,177,443 和 16,642,323 个示例。 对于每个部分，提供随机拆分来训练（98% 的示例）、开发（1%）和测试（1%）集。此外，由于原始数据分布高度倾斜（详见论文），因此还提供了每个部分的平衡版本。