saadob12/chart-to-text

该数据集仅包含线性化的图表基础数据表及其对应的摘要。数据集来源于Statista，包含训练集、验证集和测试集，数据语言为英语。该数据集用于图表摘要生成任务，旨在帮助人们从图表中推断出关键见解，减少认知和感知上的努力。

原始信息汇总

数据集概述

• 数据集内容: 包含图表的线性化底层数据表及其对应摘要。
• 创建者: Kanthara, S., Leong, R. T. K., Lin, X., Masry, A., Thakkar, M., Hoque, E., & Joty, S. (2022)。
• 相关论文: arXiv:2203.06486。

数据集详情

• 数据集来源: 本数据集为原始论文中提到的两个子数据集之一，来源于Statista。
• 图表类型: 覆盖广泛的主题和图表类型，共计44,096个图表。
• 问题变体: 一种情况假设图表的底层数据表可用，另一种情况需要从图表图像中提取数据。
• 模型应用: 使用此数据集的模型为saadob12/t5_C2T_big。

数据集语言

• 语言: 数据和摘要均为英语。

数据集分割

分割类型	数量
训练集	24367
验证集	5222
测试集	5222

贡献者

• 贡献者名称: Saad Obaid ul Islam。

搜集汇总

背景与挑战

背景概述

该数据集名为'saadob12/chart-to-text'，是一个用于神经图表摘要任务的数据集，旨在解决文本生成中的幻觉问题。它基于论文'Tackling Hallucinations in Neural Chart Summarization'的研究，通过自然语言推理（NLI）方法对训练数据进行预处理，以减少未基于输入的信息。数据集包含优化后的提示和摘要，是原始图表到文本数据的改进版本，适用于图表摘要模型的训练和评估。