hezarai/xlsum-fa

---
language:
- fa
task_categories:
- summarization
pretty_name: XLSum Persian
dataset_info:
features:
- name: text
dtype: string
- name: summary
dtype: string
- name: title
dtype: string
splits:
- name: train
num_bytes: 326304750
num_examples: 53128
- name: test
num_bytes: 29490737
num_examples: 5906
download_size: 168140025
dataset_size: 355795487
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: test
path: data/test-*
---

The Persian portion of the [XLSum](https://huggingface.co/datasets/csebuetnlp/xlsum) dataset.

### Citation
```bibtex
@inproceedings{hasan-etal-2021-xl,
title = "{XL}-Sum: Large-Scale Multilingual Abstractive Summarization for 44 Languages",
author = "Hasan, Tahmid and
Bhattacharjee, Abhik and
Islam, Md. Saiful and
Mubasshir, Kazi and
Li, Yuan-Fang and
Kang, Yong-Bin and
Rahman, M. Sohel and
Shahriyar, Rifat",
booktitle = "Findings of the Association for Computational Linguistics: ACL-IJCNLP 2021",
month = aug,
year = "2021",
address = "Online",
publisher = "Association for Computational Linguistics",
url = "https://aclanthology.org/2021.findings-acl.413",
pages = "4693--4703",
}
```

---
语言：
- 波斯语（fa）
任务类别：
- 文本摘要
友好名称：XLSum波斯语版（XLSum）
数据集信息：
特征项：
- 名称：文本（text），数据类型：字符串
- 名称：摘要（summary），数据类型：字符串
- 名称：标题（title），数据类型：字符串
划分集：
- 名称：训练集（train）：数据字节数326304750，样本量53128
- 名称：测试集（test）：数据字节数29490737，样本量5906
下载大小：168140025字节
数据集总大小：355795487字节
配置项：
- 配置名称：默认（default）：
数据文件：
- 划分集：训练集（train），路径：data/train-*
- 划分集：测试集（test），路径：data/test-*
---

本数据集为[XLSum](https://huggingface.co/datasets/csebuetnlp/xlsum)数据集的波斯语子集。

### 引用
bibtex
@inproceedings{hasan-etal-2021-xl,
title = "XL-Sum：面向44种语言的大规模多语言抽象式摘要数据集",
author = "Hasan, Tahmid and
Bhattacharjee, Abhik and
Islam, Md. Saiful and
Mubasshir, Kazi and
Li, Yuan-Fang and
Kang, Yong-Bin and
Rahman, M. Sohel and
Shahriyar, Rifat",
booktitle = "《国际计算语言学协会2021年ACL-IJCNLP联合会议研究论文集》",
month = "8月",
year = "2021",
address = "线上举办",
publisher = "国际计算语言学协会（Association for Computational Linguistics）",
url = "https://aclanthology.org/2021.findings-acl.413",
pages = "4693--4703",
}

原始信息汇总

数据集概述

基本信息

• 语言: 波斯语 (fa)
• 任务类别: 摘要生成 (summarization)
• 数据集名称: XLSum Persian

数据集特征

• 文本 (text): 数据类型为字符串
• 摘要 (summary): 数据类型为字符串
• 标题 (title): 数据类型为字符串

数据集划分

• 训练集 (train):
  • 示例数量: 53128
  • 字节数: 326304750
• 测试集 (test):
  • 示例数量: 5906
  • 字节数: 29490737

数据集大小

• 下载大小: 168140025 字节
• 总大小: 355795487 字节

数据文件配置

• 默认配置 (default):
  • 训练集路径: data/train-*
  • 测试集路径: data/test-*