TurkCorpus

TurkCorpus，一个包含来自英语维基百科的 2,359 个原始句子的数据集，每个都有 8 个手动参考简化。该数据集分为两个子集：2,000 个句子用于验证，359 个句子用于测试句子简化模型。

TurkCorpus is a dataset containing 2,359 original sentences sourced from the English Wikipedia, each paired with 8 manually created reference simplifications. The dataset is split into two subsets: 2,000 sentences for validation, and 359 sentences for testing sentence simplification models.

搜集汇总

背景与挑战

背景概述

TurkCorpus是一个用于句子简化研究的数据集，包含2,359个英语维基百科原始句子，每个句子有8个手动参考简化，分为2,000个验证句子和359个测试句子。该数据集由宾夕法尼亚大学和约翰霍普金斯大学于2016年发布。