ACLMay, 2023

VCSUM：一个多用途的中文会议摘要数据集

PDF
TL;DR本研究介绍了一个全面的中文会议记录数据集 (VCSum)，包含 239 个真实会议的记录，总时长超过 230 小时，并提供了主题分割、标题、段落摘要、总结摘要和关键语句的注释。研究分析确认了该数据集在会议记录摘要方面的有效性和稳健性，并提供了一组关于 VCSum 不同 downstream 摘要任务的基准模型，以促进进一步研究。
发现论文，激发创造
  • VT-SSum：一个视频转录分割及概要提取的基准数据集

    本文提出了一个基于视频讲座的英语口语文本摘要的基准数据集 VT-SSum，该数据集包含 9,616 个视频的 125K 个口语文本 - 摘要对，使用该数据集进行的实验结果表明，与 AMI 标准相比，使用 VT-SSum 进行训练的深度学习模型能够显著提高对口语文本的摘要质量。

    Jun, 2021

  • QMSum: 基于查询的多领域会议摘要的新基准

    本研究定义了一种基于查询的多领域会议摘要任务，并介绍了 QMSum 作为此任务的新基准，其包括来自 232 个会议的 1,808 个查询摘要对。同时，本研究研究了一种查找 - 摘要方法，并在该任务上评估了一组强大的摘要基线。实验结果表明，QMSum 为未来长时间会议摘要研究提供了重要挑战。

    Apr, 2021

  • MeetingBank: 用于会议摘要的基准数据集

    本文介绍了 MeetingBank—— 一个新的市政会议数据集，它采用了分治法来将会议摘要等任务分解为更小且可管理的任务。数据集包括会议视频链接、文本、摘要、议程等元数据，并公开发布以促进更好的 Meeting Summarization 技术的开发。

    May, 2023

  • 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

  • CLTS+: 一个新的中文长文本摘要数据集，具有生成式摘要

    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。

    Jun, 2022

  • MultiSum：用于视频的多模式摘要和缩略图生成的数据集

    通过创建包含视频和文本内容的人工验证摘要、17 个主分类和 170 个子分类的全面的数据集 MultiSum dataset，本文针对现有公共 MSMO 数据集的限制进行研究，进行了基准测试，并推出了数据收集工具和开放源代码资源以促进透明度和加速未来发展。

    Jun, 2023

  • MediaSum：面向对话摘要的大规模媒体采访数据集

    介绍了一个名叫 MediaSum 的大规模媒体采访数据集，包含 463.6K 份采访文本和摘要，被用于探究电视和广播采访文本的独特位置偏差以及转移学习在改进对话摘要模型上的应用。

    Mar, 2021

  • TalkSumm: 基于学术会议演讲的科学论文摘要数据集和可扩展标注方法

    本文提出了一种利用科学会议上的演讲视频自动生成科技论文摘要的新方法，通过收集 1716 篇论文及其对应的视频，并创建了一个摘要数据集，最终模型在该数据集上的表现与手动摘要数据集上的模型相当，并通过人工专家验证了自动生成摘要的质量。

    Jun, 2019

  • 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

  • CSDS：面向客服对话摘要的细粒度中文数据集

    本研究介绍了一个新的用于客服对话摘要的中文数据集 ——CSDS，通过生成整个对话的总体摘要和角色导向的摘要来改进摘要。实验证明，现有的方法在生成冗余和不连贯摘要方面容易出现问题，而本数据集的作用是为了为中文对话摘要提供一个基准，并且有望惠及进一步的研究。

    Aug, 2021