allenai/cochrane_sparse_max

该数据集是Cochrane数据集的副本，但其验证集的输入源文档被替换为稀疏检索器。检索流程包括使用目标字段作为查询，将所有文档的标题和摘要拼接作为语料库，使用BM25检索器进行检索，并采用最大top-k策略（k=25）。数据集主要用于多文档摘要和文本生成任务，语言为英语，许可证为Apache-2.0。

This dataset is a modified copy of the Cochrane dataset, where the input source documents for its validation set have been replaced with results retrieved via a sparse retriever. The retrieval workflow uses the target field as the query, concatenates the titles and abstracts of all documents as the retrieval corpus, employs a BM25 retriever for retrieval, and adopts the maximum top-k strategy with k=25. This dataset is primarily intended for multi-document summarization and text generation tasks, is in English, and is licensed under the Apache-2.0 license.

原始信息汇总

数据集概述

基本信息

• 语言: 英语 (en)
• 许可证: Apache-2.0
• 多语言性: 单语
• 大小: 10K<n<100K

数据来源与创建

• 注释创建者: 专家生成
• 语言创建者: 专家生成
• 源数据集:
  • 扩展自 other-MS^2
  • 扩展自 other-Cochrane

任务类别

• 摘要生成
• 文本到文本生成

其他信息

• 数据集别名: MSLR Shared Task
• paperswithcode ID: multi-document-summarization