MLSUM (MultiLingual SUMmarization)

大规模多语言 SUMmarization 数据集。从在线报纸上获得，它包含 150 万多对文章/摘要，以五种不同的语言——即法语、德语、西班牙语、俄语和土耳其语。与来自流行的 CNN/Daily 邮件数据集的英文报纸一起，收集的数据形成了一个大规模的多语言数据集，可以为文本摘要社区提供新的研究方向。

Large-scale Multilingual Summarization Dataset. Derived from online newspapers, this dataset contains over 1.5 million article-summary pairs across five distinct languages: French, German, Spanish, Russian, and Turkish. Combined with English news data from the popular CNN/Daily Mail dataset, the collected dataset forms a large-scale multilingual resource that can provide new research directions for the text summarization community.

搜集汇总

背景与挑战

背景概述

MLSUM是一个大规模多语言摘要数据集，包含超过150万对文章和摘要，覆盖法语、德语等五种语言，数据来源于在线报纸。该数据集旨在为文本摘要领域提供新的研究资源。