gopalkalpande/bbc-news-summary

该数据集用于提取式文本摘要，包含2004年至2005年间BBC的417篇政治新闻文章，存放在News Articles文件夹中。每篇文章在Summaries文件夹中提供了五个摘要。文章的第一句话是相应的标题。数据集基于D. Greene和P. Cunningham的论文中使用的数据集创建，原始数据版权归BBC所有。

This dataset is intended for extractive text summarization tasks. It includes 417 political news articles from the BBC spanning 2004 to 2005, which are stored in the News Articles folder. For each article, five corresponding summaries are provided in the Summaries folder. The first sentence of each article serves as its respective title. This dataset was developed based on the corpus used in the paper by D. Greene and P. Cunningham, and the copyright of the original data belongs to the BBC.

原始信息汇总

数据集概述

数据集内容

• 类型: 抽取式文本摘要数据集
• 来源: BBC新闻网站
• 时间范围: 2004年至2005年
• 文章数量: 417篇政治新闻文章
• 文章存储位置: News Articles文件夹
• 摘要数量: 每篇文章对应5篇摘要
• 摘要存储位置: Summaries文件夹
• 文章结构: 每篇文章的第一句为标题

数据集用途

• 目的: 用于抽取式文本摘要研究
• 特点: 通过选择重要信息并剔除不重要和冗余信息，将大量信息压缩成简洁形式
• 方法: 使用某种方法为句子打分，并使用得分最高的句子作为摘要
• 优势: 生成过程计算量较小，无需监督，语言独立
• 局限: 摘要可能不够流畅，相邻句子间可能缺乏连贯性

版权与许可

• 版权归属: 所有内容版权归BBC所有
• 使用许可: CC0-1.0