chinese_abstractive_corpus
语料名称
教育培训行业抽象式自动摘要中文语料库
语料简介
自动文摘分为两种:
抽取式
抽象式
语料库收集了教育培训行业主流垂直媒体的历史文章(截止到2018年6月5日)大约24500条数据集。主要是为训练抽象式模型而整理,每条数据有summary(摘要)和text(正文),两个字段,Summary字段均为作者标注。
压缩包大约 60 MB,解压后大约 150 MB。
格式如下:
summary{{...}}
text{{...}}
关于和抽象式自动文摘更多研究成果可参考:
作者对两种文摘方式做了深入对比,并且提供了实验结论。
关于训练集和测试集
并未明确划分训练集和测试集合,请使用者根据自己的实际情况按照比例划分
作者联系方式
wechat : wonderfulcorporation
2021-07-13 21:39:00
59.81MB
1