Gabriel/xsum_swe

瑞典Xsum数据集是通过机器翻译从英文版本转换而来，旨在改进瑞典语摘要任务的下游微调。数据集包含三个字段：id（故事的URL哈希值）、document（新闻文章正文）和summary（作者撰写的摘要）。数据集分为训练集、验证集和测试集，实例数量分别为204,045、11,332和11,334。

The Swedish Xsum dataset is machine-translated from its English version, aiming to improve downstream fine-tuning for the Swedish language summarization task. It contains three fields: id (the URL hash of the news story), document (the full body of the news article), and summary (the author-written summary). The dataset is split into training, validation, and test sets, with 204,045, 11,332, and 11,334 instances respectively.

原始信息汇总

瑞典Xsum数据集概述

数据集基本信息

• 语言: 瑞典语
• 许可证: MIT
• 大小: 100K<n<1M
• 源数据集: https://github.com/huggingface/datasets/tree/master/datasets/xsum
• 任务类别:
  • 摘要生成
  • 文本到文本生成
• 标签: 条件文本生成

数据集描述

瑞典Xsum数据集是通过机器翻译得到的，旨在改善瑞典语摘要生成任务的下游微调。

数据集摘要

详细信息可参考原始英文版本：https://huggingface.co/datasets/xsum

数据字段

• id: 字符串，包含故事来源URL的十六进制格式SHA1哈希值
• document: 字符串，包含新闻文章的主体
• summary: 字符串，包含文章作者编写的文章摘要

数据分割

瑞典Xsum数据集遵循与原始英文版本相同的分割，包含三个分割：训练集、验证集和测试集。

数据集分割	分割中的实例数量
训练集	204,045
验证集	11,332
测试集	11,334

搜集汇总

背景与挑战

背景概述

该数据集是瑞典语版本的xsum数据集，专门用于摘要生成任务，包含新闻文章及其人工撰写的摘要。数据通过机器翻译从原始英文版本转换而来，旨在支持瑞典语文本摘要的模型微调，分为训练、验证和测试集，总规模约22.7万行。