nglaura/scielo-summarization

SciELO是一个用于西班牙语和葡萄牙语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、摘要和PDF链接。此外，数据集分为训练、验证和测试三个部分，并提供了每个部分的实例数量。

原始信息汇总

SciELO 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: SciELO

数据集描述

SciELO 是一个用于研究论文摘要生成的数据集，包含西班牙语和葡萄牙语的论文，并提供布局信息。

数据字段

• article_id: 文章ID
• article_words: 文章主体的词序列
• article_bboxes: 相应词的边界框序列
• norm_article_bboxes: 相应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

数据集分为三个部分：训练集、验证集和测试集。

数据集分割	实例数量 (ES/PT)
训练集	20,853 / 19,407
验证集	1,158 / 1,078
测试集	1,159 / 1,078

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} }