community-datasets/psc

波兰摘要语料库包含波兰语的新闻文章及其摘要。数据集中，同一篇文章的摘要被用作正样本，而不同文章的最相似摘要被采样为负样本。数据集的结构包括提取的文本、摘要文本以及标签，标签用于指示摘要是否与原文相似。数据集分为训练集和测试集，测试集没有标签列。数据集的创建目的是为了提供新闻文章摘要的对比分析，支持的任务是新闻文章摘要生成。数据集的许可证为CC BY-SA 3.0，并且提供了相关的引用信息。

原始信息汇总

数据集概述

数据集描述

• 数据集名称: psc
• 数据集摘要: 波兰摘要语料库包含新闻文章及其摘要。我们使用相同文章的摘要作为正样本对，并采样最相似的不同文章的摘要作为负样本。
• 支持的任务和排行榜:
  • 任务类别: 摘要生成
  • 任务ID: 新闻文章摘要生成
• 语言: 波兰语

数据集结构

数据实例

[更多信息待补充]

数据字段

• extract_text: 待摘要的文本
• summary_text: 提取文本的摘要
• label: 1 表示摘要相似，0 表示不相似

数据分割

• 训练集:
  • 字节数: 5026582
  • 样本数: 4302
• 测试集:
  • 字节数: 1292103
  • 样本数: 1078

数据集创建

数据集来源

• 初始数据收集和规范化: [更多信息待补充]
• 源语言生产者: [更多信息待补充]

标注

• 标注过程: [更多信息待补充]
• 标注者: [更多信息待补充]

个人和敏感信息

[更多信息待补充]

使用数据的注意事项

数据集的社会影响

[更多信息待补充]

偏见的讨论

[更多信息待补充]

其他已知限制

[更多信息待补充]

附加信息

数据集策展人

[更多信息待补充]

许可信息

CC BY-SA 3.0

引用信息

@inproceedings{ogro:kop:14:lrec, title={The {P}olish {S}ummaries {C}orpus}, author={Ogrodniczuk, Maciej and Kope{c}, Mateusz}, booktitle = "Proceedings of the Ninth International {C}onference on {L}anguage {R}esources and {E}valuation, {LREC}~2014", year = "2014", }

贡献

感谢 @abecadel 添加此数据集。