Jun, 2022

CLTS+: 一个新的中文长文本摘要数据集，具有生成式摘要

PDF
TL;DR为提高模型的创造能力，该研究构建了含超过 180K 篇文章 - 摘要对的具有高度抽象性的中文长文本摘要数据集（CLTS+），并提出了一种基于共现词的评估该数据集的内在度量方法。
abstractive methodsautomatic text summarizationchinese datasetabstractivenessco-occurrence words
发现论文，激发创造
  • LCSTS: 一个大型的中文短文本摘要数据集

    本文介绍了一个由新浪微博构建的大型中文短文本摘要数据集，包含超过 200 万条中文短文本和对应的短摘要，并通过该数据集引入了基于递归神经网络的摘要生成方法，取得了良好的效果，该方法不仅显示了所提出数据集在短文本摘要研究中的有用性，也为后续研究提供了基线。

    Jun, 2015

  • 跨语言跨时间摘要：数据集、模型、评估

    本文探讨如何应用跨语言和跨时期的文字连线技术在信息总结中的应用，并通过构建数据集、建模和评估得出结论：通过中间任务微调的端到端模型的总结质量一般；ChatGPT（无需微调）的总结质量良好，并与人类评分中相关；在对抗攻击的情况下，ChatGPT 在省略和实体替换方面的表现更好。

    Jun, 2023

  • ACLSum: 科学出版物面向方面的概述的新数据集

    提供了一个由领域专家精心制作和评估的新型摘要数据集 ACLSum，集成了多个方面的科学论文摘要，通过对预训练语言模型和最先进的大型语言模型（LLMs）的性能进行广泛实验，探索学术领域中抽取式与生成式摘要的有效性，结果证实了在学术领域中端到端基于方面的摘要的普遍优越性。

    Mar, 2024

  • 基于改进的 BERTSum-LSTM 模型的 LCSTS 数据集信息提取研究

    本文研究了基于改进的 BERTSum-LSTM 模型的 LCSTS 数据集的信息提取方法，实验结果表明该方法对生成中文新闻摘要有良好效果，对于新闻摘要的构建具有重要意义。

    Jun, 2024

  • CrossSum: 跨越 1500 多种语言对的英语中心的跨语言生成性文本摘要

    通过跨语言检索，提出跨语言摘要数据集 CrossSum 及其训练模型，表现出优异的 ROUGE 和 LaSE 性能，成为目前最大的跨语言摘要数据集

    Dec, 2021

  • CSL：一个大规模的中文科技文献数据集

    本研究介绍了 CSL，一个包含 39.6 万篇中国科技文献的大型数据集，为中国自然语言处理和监督学习提供了有意义的语料库和标注。同时，本研究还基于 CSL 提出了一个基准用于评估模型在科技领域任务中的表现，如摘要生成、关键词提取和文本分类，并分析已有 NLP 模型在这些任务上的表现，揭示了进行中文科技 NLP 任务所面临的挑战。

    Sep, 2022

  • 混合词语 - 字符方法的自动摘要生成

    本文提出了一种混合字词方法（HWC）来进行汉语文本摘要，其性能在 LCSTS 数据集上领先于现有方法，该方法同时保留了基于字和基于词表示的优点。此外，我们发现了 LCSTS 数据集中的问题并提供了一个脚本来创建一个经过清理的数据集。

    Feb, 2018

  • ClueGraphSum: 让关键线索指导跨语言概括式摘要

    该研究提出了一种线索引导的跨语言自动摘要方法来提高自动生成摘要的质量，并针对手写数据进行了实验评估，取得了较好的结果。

    Mar, 2022

  • MCTS：一份多参考的中文文本简化数据集

    该论文介绍了一种多参考中文文本简化数据集 (MCTS)，并对一些无监督方法和先进的大型语言模型的性能进行了评估，以期通过基础工作建立对中文文本简化的基本理解，并为未来的研究提供参考。

    Jun, 2023

  • XL-Sum：针对 44 种语言的大规模多语言抽象摘要

    该研究介绍了一份名为 “XL-Sum” 的全面而多样化的数据集，其中包含来自 44 种语言的 100 万篇新闻文章及其摘要，旨在支持跨语言抽象文本摘要的未来研究工作，且在许多语言上可实现尤其高的 ROUGE-2 分数。

    Jun, 2021