Gabriel/citesum_swe

瑞典Citesum数据集是通过机器翻译生成的，旨在改进瑞典语摘要任务的下游微调。数据集包含源文本、目标文本、论文ID、标题和学科领域等信息。数据集分为训练集、验证集和测试集，分别包含83,304、4,721和4,921个实例。

原始信息汇总

瑞典Citesum数据集概述

数据集基本信息

• 语言: 瑞典语 (sv)
• 许可证: CC-BY-NC-4.0
• 大小分类: 10K<n<100K
• 源数据集: https://github.com/morningmoni/CiteSu
• 任务类别:
  • 摘要生成
  • 文本到文本生成
• 标签: 条件文本生成

数据集描述

• src: 源文本，论文的详细描述
• tgt: 目标文本，论文的简短摘要（tldr）
• paper_id: 论文的唯一ID
• title: 论文标题
• discipline:
  • venue: 论文发表的会议
  • journal: 论文发表的期刊
  • mag_field_of_study: 论文所属的科学领域列表

数据分割

• 训练集: 83,304个实例
• 验证集: 4,721个实例
• 测试集: 4,921个实例

数据集遵循与原始英语版本相同的分割方式，分为训练、验证和测试三个部分。