Live Blog Corpus for Summarization
收藏资源简介：
本项目开发了一个用于实时博客摘要的语料库。该仓库包含脚本，用于生成使用The Guardian和BBC实时博客的实时博客摘要语料库。实时博客是一种越来越流行的新闻格式，用于在线新闻中报道突发新闻和实时事件。好的摘要可以增强实时博客对读者的价值，但往往不可用。
This project has developed a corpus for real-time blog summarization. The repository includes scripts for generating a real-time blog summarization corpus using The Guardian and BBC real-time blogs. Real-time blogs are an increasingly popular news format used in online journalism to report breaking news and live events. Effective summaries can enhance the value of real-time blogs for readers, but they are often unavailable.
数据集概述
名称： Live Blog Corpus for Summarization
目的： 用于研究和开发自动实时博客摘要技术。
数据来源： 使用《卫报》和《BBC》的实时博客内容。
数据内容： 包含用于生成实时博客摘要语料库的脚本和工具。
引用信息：
@inproceedings{TUD-CS-2018-0008, title = {Live Blog Corpus for Summarization}, author = {P.V.S., Avinesh and Peyrard, Maxime and Meyer, Christian M.}, booktitle = {Proceedings of the 11th International Conference on Language Resources and Evaluation (LREC)}, pages = {3197--3203}, month = may, year = {2018}, location = {Miyazaki, Japan}, url = {http://www.lrec-conf.org/proceedings/lrec2018/pdf/317.pdf} }
联系方式：
- Avinesh P.V.S.
- Maxime Peyrard
使用前提：
- Python >= 2.7
- 安装必要的Python包和ROUGE评估工具
数据下载与处理：
- 通过脚本
generate_data.py下载和处理数据，支持选择《卫报》或《BBC》以及处理模式（原始或处理后）。 - 若脚本无法运行，可联系作者获取处理后的数据集。
运行基线系统：
- 使用
baseline.py和aggregate_baselines.py脚本运行基线系统并获取评分。
URL获取：
- 使用
generate_data.py脚本获取《卫报》和《BBC》实时博客的URL。
