nglaura/hal-summarization

HAL是一个用于法文研究论文摘要的数据集，提供了布局信息。数据集包含多个字段，如文章ID、文章内容、单词边界框、摘要等，并分为训练、验证和测试三个部分。

原始信息汇总

HAL 数据集概述

数据集基本信息

• 许可证: Apache-2.0
• 任务类别: 摘要生成
• 语言: 法语
• 数据集名称: HAL

数据集描述

HAL 数据集是一个用于法语研究论文摘要生成的数据集，包含布局信息。

数据字段

• article_id: 文章ID
• article_words: 文章主体的单词序列
• article_bboxes: 相应单词的边界框序列
• norm_article_bboxes: 相应单词的归一化边界框序列
• abstract: 文章摘要字符串
• article_pdf_url: 文章PDF的URL

数据分割

• 训练集: 43,379个实例
• 验证集: 1,384个实例
• 测试集: 1,385个实例

引用信息

latex @article{nguyen2023loralay, title={LoRaLay: A Multilingual and Multimodal Dataset for Long Range and Layout-Aware Summarization}, author={Nguyen, Laura and Scialom, Thomas and Piwowarski, Benjamin and Staiano, Jacopo}, journal={arXiv preprint arXiv:2301.11312}, year={2023} }