recogna-nlp/recognasumm

RecognaSumm是一个专门为葡萄牙语自动文本摘要任务设计的新颖且全面的数据库。该数据集因其多样化的来源而脱颖而出，这些新闻来自包括新闻机构和在线新闻门户在内的各种信息源。通过使用网络爬虫技术和精心策划，RecognaSumm构建了一个丰富且具有代表性的文档集合，涵盖了各种主题和新闻风格。该数据集的创建旨在填补葡萄牙语摘要研究中的重大空白，为自动化摘要模型的开发和改进提供了训练和评估基础。数据集中包含的新闻类别包括巴西、经济、娱乐、健康、政策、科学与技术、体育、旅行与美食、世界等，总共有135,272条新闻。

原始信息汇总

RecognaSumm 数据集

简介

RecognaSumm 是一个专门为葡萄牙语自动文本摘要任务设计的新颖且全面的数据库。该数据集因其多样化的来源而突出，包括从多个信息源（如机构和在线新闻门户）收集的新闻。数据集通过网络爬虫技术和精心策划构建，形成了一个涵盖各种主题和新闻风格的丰富且具有代表性的文档集合。RecognaSumm 的创建旨在填补葡萄牙语摘要研究中的重要空白，提供一个可用于开发和增强自动化摘要模型的训练和评估基础。

新闻类别

类别	新闻数量
巴西	14,131
经济	12,613
娱乐	5,337
健康	24,921
政策	29,909
科学与技术	15,135
体育	2,915
旅游与美食	2,893
世界	27,418
总计	135,272

引用

RecognaSumm: A Novel Brazilian Summarization Dataset (PROPOR 2024)

@inproceedings{paiola-etal-2024-recognasumm, title = "{R}ecogna{S}umm: A Novel {B}razilian Summarization Dataset", author = "Paiola, Pedro Henrique and Garcia, Gabriel Lino and Jodas, Danilo Samuel and Correia, Jo{~a}o Vitor Mariano and Sugi, Luis Afonso and Papa, Jo{~a}o Paulo", editor = "Gamallo, Pablo and Claro, Daniela and Teixeira, Ant{o}nio and Real, Livy and Garcia, Marcos and Oliveira, Hugo Gon{c{c}}alo and Amaro, Raquel", booktitle = "Proceedings of the 16th International Conference on Computational Processing of Portuguese - Vol. 1", month = mar, year = "2024", address = "Santiago de Compostela, Galicia/Spain", publisher = "Association for Computational Lingustics", url = "https://aclanthology.org/2024.propor-1.63", pages = "575--579", }