id_liputan6

Large-scale Indonesian Summarization语料库，专注于印尼语文本摘要任务。它包含超过20万篇文档-摘要对，来源于在线新闻门户Liputan6。该语料库提供两种变体："canonical"和"xtreme"，后者在验证集和测试集中过滤掉了摘要中4-gram新颖性低于90%的样本。数据集中每条样本都包括ID、原始文章URL、清洗后的文章内容、抽象式摘要以及抽取式摘要等字段。此语料库支持抽取式和生成式摘要方法，并提供基于BERT模型的基准测试。