talgatzh/xsum-kk3

Extreme Summarization (XSum) 数据集是一个用于新闻文章极端摘要任务的数据集。它包含三个主要特征：document（输入的新闻文章）、summary（文章的单句摘要）和id（文章的BBC ID）。数据集的大小在10万到100万之间，属于单语言数据集。数据集的来源为XSum，任务类别为摘要，具体任务为新闻文章摘要。数据集的下载大小为257.30 MB，生成的数据集大小为532.26 MB，总磁盘使用量为789.56 MB。

原始信息汇总

数据集概述

数据集名称

• 名称: Extreme Summarization (XSum)
• ID: xsum

数据集特征

• 语言: 单语种
• 许可证: 未知
• 大小: 100K<n<1M

数据集内容

• 特征:
  • document: 字符串类型，输入的新闻文章。
  • summary: 字符串类型，文章的一句摘要。
  • id: 字符串类型，文章的BBC ID。

数据集结构

• 数据分割:
  • train: 22525个样本，139159410字节。
  • eval_split: 测试，具体样本数未提供。

任务与评估

• 任务: 新闻文章摘要
• 评估指标: Rouge

数据集创建

• 源数据: 来自XSum数据集
• 注释创建者: 发现
• 语言创建者: 发现

使用考虑

• 许可证: 未知，使用时需注意。

附加信息

• 贡献者: @thomwolf, @lewtun, @mariamabarham, @jbragg, @lhoestq, @patrickvonplaten

• 引用信息:

  @article{Narayan2018DontGM, title={Dont Give Me the Details, Just the Summary! Topic-Aware Convolutional Neural Networks for Extreme Summarization}, author={Shashi Narayan and Shay B. Cohen and Mirella Lapata}, journal={ArXiv}, year={2018}, volume={abs/1808.08745} }