• Descripción :

Conjunto de datos de múltiples noticias

Multi-News incluye artículos periodísticos y resúmenes de estos artículos, elaborados por profesionales, del sitio web newser.com . Cada resumen está redactado por editores profesionales e incluye enlaces a los artículos originales citados.

Este es el primer conjunto de datos a gran escala para el resumen de múltiples documentos sobre artículos de noticias.

Cada registro tiene dos características:

• document : Textos de artículos de noticias, separados por el símbolo especial "|||||".

• summary : Resumen de la noticia.

• Documentación adicional : Explorar en Papers With Code north_east

• Página de inicio : https://github.com/Alex-Fabbri/Multi-News

• Código fuente : tfds.datasets.multi_news.Builder

• Versiones :

  • 1.0.0 : Versión inicial.
  • 2.0.0 : [No usar] Actualizar el conjunto de datos con URL válidas.
  • 2.1.0 (predeterminado) nights_stay : Actualiza el conjunto de datos con las URL correctas. Las URL de esta versión provienen del repositorio de conjuntos de datos de HuggingFace, gestionado por el mismo autor: https://huggingface.co/datasets/alexfabbri/multi_news

• Tamaño de descarga : 721.73 MiB

• Tamaño del conjunto de datos : 666.50 MiB

• Almacenamiento en caché automático ( documentación ): No

• Divisiones :

• Estructura de características :

FeaturesDict({
    'document': Text(shape=(), dtype=string),
    'summary': Text(shape=(), dtype=string),
})

• Documentación de características :

• Teclas supervisadas (ver documento as_supervised ): ('document', 'summary')

• Figura ( tfds.show_examples ): No compatible.

• Ejemplos ( tfds.as_dataframe ):

• Cita :

@misc{alex2019multinews,
    title={Multi-News: a Large-Scale Multi-Document Summarization Dataset and Abstractive Hierarchical Model},
    author={Alexander R. Fabbri and Irene Li and Tianwei She and Suyi Li and Dragomir R. Radev},
    year={2019},
    eprint={1906.01749},
    archivePrefix={arXiv},
    primaryClass={cs.CL}
}