five

SEACrowd/m3ls

收藏
Hugging Face2024-06-24 更新2024-06-29 收录
下载链接:
https://hf-mirror.com/datasets/SEACrowd/m3ls
下载链接
链接失效反馈
官方服务:
资源简介:
M3LS数据集是一个多语言多模态摘要数据集,包含超过一百万个文档-图像对,并为每对提供了专业注释的多模态摘要。该数据集来源于英国广播公司(BBC)过去十年发布的新闻文章,涵盖20种语言,其中印尼语是唯一可用的东南亚语言。数据集支持摘要生成和图像描述任务。

M3LS数据集是一个多语言多模态摘要数据集,包含超过一百万个文档-图像对,并为每对提供了专业注释的多模态摘要。该数据集来源于英国广播公司(BBC)过去十年发布的新闻文章,涵盖20种语言,其中印尼语是唯一可用的东南亚语言。数据集支持摘要生成和图像描述任务。
提供机构:
SEACrowd
原始信息汇总

M3Ls 数据集概述

数据集简介

M3Ls(多语言多模态摘要数据集)包含超过一百万个文档-图像对,每个对都附有专业注释的多模态摘要。该数据集源自英国广播公司(BBC)在过去十年中发布的文章,涵盖20种语言,其中印尼语是唯一包含的东南亚语言。

语言

  • 印尼语(ind)

支持的任务

  • 摘要生成
  • 图像描述

数据集使用

使用 datasets

python from datasets import load_dataset dset = datasets.load_dataset("SEACrowd/m3ls", trust_remote_code=True)

使用 seacrowd

python import seacrowd as sc

使用默认配置加载数据集

dset = sc.load_dataset("m3ls", schema="seacrowd")

查看数据集的所有可用子集(配置名称)

print(sc.available_config_names("m3ls"))

使用特定配置加载数据集

dset = sc.load_dataset_by_config_name(config_name="<config_name>")

数据集主页

https://github.com/anubhav-jangra/M3LS/tree/main

数据集版本

  • 源版本:1.0.0
  • SEACrowd版本:2024.06.20

数据集许可证

MIT (mit)

引用

plaintext @inproceedings{verma-etal-2023-large, title = "Large Scale Multi-Lingual Multi-Modal Summarization Dataset", author = "Verma, Yash and Jangra, Anubhav and Verma, Raghvendra and Saha, Sriparna", editor = "Vlachos, Andreas and Augenstein, Isabelle", booktitle = "Proceedings of the 17th Conference of the European Chapter of the Association for Computational Linguistics", month = may, year = "2023", address = "Dubrovnik, Croatia", publisher = "Association for Computational Linguistics", url = "https://aclanthology.org/2023.eacl-main.263", doi = "10.18653/v1/2023.eacl-main.263", pages = "3620--3632", }

@article{lovenia2024seacrowd, title={SEACrowd: A Multilingual Multimodal Data Hub and Benchmark Suite for Southeast Asian Languages}, author={Holy Lovenia and Rahmad Mahendra and Salsabil Maulana Akbar and Lester James V. Miranda and Jennifer Santoso and Elyanah Aco and Akhdan Fadhilah and Jonibek Mansurov and Joseph Marvin Imperial and Onno P. Kampman and Joel Ruben Antony Moniz and Muhammad Ravi Shulthan Habibi and Frederikus Hudi and Railey Montalan and Ryan Ignatius and Joanito Agili Lopo and William Nixon and Börje F. Karlsson and James Jaya and Ryandito Diandaru and Yuze Gao and Patrick Amadeus and Bin Wang and Jan Christian Blaise Cruz and Chenxi Whitehouse and Ivan Halim Parmonangan and Maria Khelli and Wenyu Zhang and Lucky Susanto and Reynard Adha Ryanda and Sonny Lazuardi Hermawan and Dan John Velasco and Muhammad Dehan Al Kautsar and Willy Fitra Hendria and Yasmin Moslem and Noah Flynn and Muhammad Farid Adilazuarda and Haochen Li and Johanes Lee and R. Damanhuri and Shuo Sun and Muhammad Reza Qorib and Amirbek Djanibekov and Wei Qi Leong and Quyet V. Do and Niklas Muennighoff and Tanrada Pansuwan and Ilham Firdausi Putra and Yan Xu and Ngee Chia Tai and Ayu Purwarianti and Sebastian Ruder and William Tjhi and Peerat Limkonchotiwat and Alham Fikri Aji and Sedrick Keh and Genta Indra Winata and Ruochen Zhang and Fajri Koto and Zheng-Xin Yong and Samuel Cahyawijaya}, year={2024}, eprint={2406.10118}, journal={arXiv preprint arXiv: 2406.10118} }

5,000+
优质数据集
54 个
任务类型
进入经典数据集
二维码
社区交流群

面向社区/商业的数据集话题

二维码
科研交流群

面向高校/科研机构的开源数据集话题

数据驱动未来

携手共赢发展

商业合作