RussianNLP/Mixed-Summarization-Dataset

该数据集名为Russian summarization data mix，主要用于俄语文本的摘要任务。数据集包含训练集和测试集，训练集有197561个样本，测试集有258个样本。测试集是手动验证的半合成数据，用于评估目的。数据集的特征包括text和summary，分别表示文本和摘要。此外，数据集还使用了多个其他数据集进行训练，包括XLSum、Gazeta、WikiLingua、MLSUM、Reviews (ru)、Curation-corpus (ru)、Matreshka、DialogSum (ru)和SAMSum (ru)。

原始信息汇总

数据集概述

基本信息

• 许可证: Apache-2.0
• 任务类别: 摘要生成
• 语言: 俄语
• 数据规模: 100K<n<1M

配置信息

• 配置名称: mixedsum
• 数据文件:
  • 训练集: train/train.parquet
  • 测试集: test/test.parquet

数据集详情

• 配置名称: mixedsum
• 特征:
  • text: 数据类型为字符串
  • summary: 数据类型为字符串
• 分割:
  • 训练集: 包含197561个样本
  • 测试集: 包含258个样本

数据集组成

• 训练集: 197561个样本
• 测试集: 258个样本（手动验证的半合成数据，用于评估目的）

数据来源

• XLSum
• Gazeta
• WikiLingua
• MLSUM
• Reviews (ru)
• Curation-corpus (ru)
• Matreshka
• DialogSum (ru)
• SAMSum (ru)