FREDSum Parliament

Ce dépôt contient les données du Sénat et de l'Assemblée nationale française utilisées pour poursuivre le pré-entraînement du modèle de Barthez (https://huggingface.co/moussaKam/barthez) tel que décrit dans l'article "FREDSum: A Dialogue Summarization Corpus for French Political Debates".Il contient des transcriptions de l'Assemblée nationale française et du Sénat français qui ont été récupérées sur le web (https://www.assemblee-nationale.fr et https://www.senat.fr, respectivement).FREDSum Parliament se compose de deux dossiers principaux : assemblee_nationale et senat. Chacun de ces dossiers contient deux sous-dossiers :url : la liste des urls qui ont été scrapéesjson : les transcriptions au format jsonÀ noter que le corpus associé FREDSum, une collection de débats politiques et leurs résumés, se trouve sur Ortolang et GitHub.Ces corpus ont été préparés avec le soutien des projets de recherche SUMM-RE (ANR-20-CE23-0017) et CORTEX2 (Horizon Europe CL4-2021-HUMAN-01-25).

本仓库收录了用于延续Barthez模型（https://huggingface.co/moussaKam/barthez）预训练的法国国民议会与参议院数据集，相关细节详见论文《FREDSum：面向法语政治辩论的对话摘要语料库》。本数据集包含从法国国民议会官网https://www.assemblee-nationale.fr与法国参议院官网https://www.senat.fr爬取的会议转录文本。
FREDSum Parliament语料库包含两个主目录：assemblee_nationale与senat。每个主目录下设两个子目录：
url：本次爬取的URL列表
json：以JSON格式存储的会议转录文本
需注意，配套的FREDSum语料库（收录法语政治辩论文本及其对应摘要）已发布于Ortolang与GitHub平台。
本语料库的构建得到了SUMM-RE（ANR-20-CE23-0017）与CORTEX2（Horizon Europe CL4-2021-HUMAN-01-25）两项科研项目的支持。