NEWSROOM Dataset

CORNELL NEWSROOM is a large dataset for training and evaluating summarization systems. It contains 1.3 million articles and summaries written by authors and editors in the newsrooms of 38 major publications. The summaries are obtained from search and social metadata between 1998 and 2017 and use a variety of summarization strategies combining extraction and abstraction.

CORNELL NEWSROOM 是一个用于训练与评估摘要系统的庞大数据集。该数据集汇集了来自38家主要新闻机构新闻编辑室中作者及编辑撰写的130万篇文章及其摘要。这些摘要基于1998年至2017年间搜集的搜索与社会元数据，并采用了多种结合抽取与抽象的摘要策略。

搜集汇总

背景与挑战

背景概述

NEWSROOM是一个包含130万篇新闻文章和摘要的大型数据集，专为训练和评估摘要系统设计，提供丰富的文本特征和摘要质量指标。数据集由38家主要新闻机构的内容构成，仅限非商业研究和教育用途。