NavidVafaei/rottentomato01

SAMSum数据集包含约16k的类似即时通讯的对话及其摘要。这些对话由英语流利的语言学家创建，反映了他们日常即时通讯对话的主题比例。对话风格多样，包括非正式、半正式和正式，可能包含俚语、表情符号和拼写错误。每个对话都附有一个由语言专家注释的摘要，摘要旨在简洁地概括对话内容。该数据集由三星波兰研发研究所准备，用于研究目的，采用非商业许可CC BY-NC-ND 4.0。

原始信息汇总

数据集概述

数据集名称

• 名称: rottento Corpus
• 别名: SAMSum

数据集基本信息

• 语言: 英语
• 许可证: CC BY-NC-ND 4.0
• 多语言性: 单语种
• 大小: 10K<n<100K
• 源数据: 原始数据
• 任务类别: 摘要生成

数据集结构

• 特征:
  • movie: 字符串
  • id: 字符串
  • reviews: 数组
  • summary: 字符串
• 配置名称: rottento
• 数据分割:
  • 训练集: 14732个样本，9479141字节
  • 测试集: 819个样本，534492字节
  • 验证集: 818个样本，516431字节
• 下载大小: 2944100字节
• 数据集大小: 10530064字节

数据集创建

• 数据收集与标准化: 由语言学家创建，反映日常消息应用中的对话风格和内容。
• 注释过程: 语言专家对对话进行摘要注释，确保摘要简洁、包含重要信息和对话者名称，并以第三人称书写。

使用考虑

• 许可证: 非商业用途，CC BY-NC-ND 4.0

引用信息

@inproceedings{gliwa-etal-2019-samsum, title = "{SAMS}um Corpus: A Human-annotated Dialogue Dataset for Abstractive Summarization", author = "Gliwa, Bogdan and Mochol, Iwona and Biesek, Maciej and Wawer, Aleksander", booktitle = "Proceedings of the 2nd Workshop on New Frontiers in Summarization", month = nov, year = "2019", address = "Hong Kong, China", publisher = "Association for Computational Linguistics", url = "https://www.aclweb.org/anthology/D19-5409", doi = "10.18653/v1/D19-5409", pages = "70--79" }