# WEC-Eng A large-scale dataset for cross-document event coreference extracted from English Wikipedia. - **Repository (Code for generating WEC):** https://github.com/AlonEirew/extract-wec - **P

Hugging Face2023-01-18 更新370

biu-nlp/Controlled-Text-Reduction-dataset

文本缩减

自然语言处理

该数据集包含受控文本缩减的三元组——文档-摘要对，以及文档中覆盖摘要的文本片段。任务输入是带有预选片段（“高亮”）的文档，输出是覆盖所有且仅覆盖高亮内容的文本。数据集格式包括`doc_text`（输入文本）、`summary_text`（输出文本）和`highlight_spans`（输入文本中导致输出文本的片段）。数据集分为两个子集：`DUC-2001-2002`（进一步分为训练、验证和测试集）

Hugging Face2022-10-25 更新320

biu-nlp/CoreSearch

自然语言处理

信息检索

CoreSearch数据集是一个大规模的数据集，用于跨文档事件共指搜索任务。该数据集来源于Wikipedia，并利用了Wikipedia Event Coreference数据集（WEC-Eng）的注释。数据集包含训练、验证和测试集，总共有2,772,968个段落，其中包含3,110个带有提及的段落和522个事件簇。数据集的语言为英语，提供了加载数据集的代码示例。

Hugging Face2023-03-23 更新180

biu-nlp/CoreSearchV2

自然语言处理

事件共指

CoreSearch数据集是一个清理版本，主要用于跨文档事件共指搜索任务。该数据集对事件提及的跨度进行了修正，解决了单个跨度中包含两个事件的情况，并移除了错误的事件提及。数据集支持从大规模文档集合中查找与查询事件共指的所有提及。数据集包含训练集、验证集和测试集，分别包含不同数量的簇和段落。数据集基于Wikipedia内容，并遵循Creative Commons Attribution-ShareA

Hugging Face2023-03-23 更新360

biu-nlp/sentence_union_generation

文本生成

文本整合

该数据集是论文《Revisiting Sentence Union Generation as a Testbed for Text Consolidation》的官方数据集，旨在通过句子联合生成任务来评估文本整合能力。数据集支持多文档摘要、长形式问答和基于文档的对话等任务，并提供了丰富的注释方法和工具，以及全面的评估协议。数据集还包含了对最先进语言模型的基线评估，分析了它们在多文本整合挑战中的能

Hugging Face2023-08-24 更新260

biu-nlp/QAmden-pretraining

资源简介：

数据集概述

许可证信息

相关数据集