yaolu/multi_x_science_sum

Multi-XScience是一个大规模的多文档摘要数据集，专门用于科学文章的多文档摘要任务。该数据集引入了一个具有挑战性的多文档摘要任务：基于论文的摘要及其引用的文章来撰写论文的相关工作部分。数据集包含科学文章的摘要、引用文章的摘要以及相关工作的文本。数据集的结构包括训练集、验证集和测试集，分别包含30369、5066和5093个样本。数据集的文本为英文。

原始信息汇总

数据集概述

数据集名称： Multi-XScience

数据集简介： Multi-XScience是一个大规模的多文档摘要数据集，主要用于科学文章的极端多文档摘要任务。该数据集的任务是基于文章的摘要和引用的文章，撰写论文的相关工作部分。

语言： 英语

数据集大小： 数据集包含的文档数量在10,000至100,000之间。

数据集结构：

• 数据实例： 每个实例包含论文的摘要、arxiv id、microsoft academic graph id、引用论文的摘要和相关工作文本。
• 数据字段：
  • abstract: 论文摘要
  • aid: arxiv id
  • mid: microsoft academic graph id
  • ref_abstract: 引用论文的摘要、引用符号和microsoft academic graph id
  • related_work: 相关工作文本

数据分割：

• 训练集： 30,369个实例
• 验证集： 5,066个实例
• 测试集： 5,093个实例

许可证： 许可证信息未知。

数据集来源： 原始数据

任务类别： 摘要

数据集标签： 论文摘要生成