腾讯 发布 ETimeline 数据集, 应用在 自然语言处理、新闻数据分析 领域

腾讯 本次发布的数据集 ETimeline, ETimeline是一个基于大型语言模型构建的广泛时间线生成数据集，包含超过13,000篇新闻文章，跨越600个双语文本时间线，涵盖28个新闻领域。该数据集通过精心设计的管道，使用7B参数的语言模型进行数据构建，包括主题发现、主题精炼、主题挂载和文本去重等任务。ETimeline旨在推动时间线生成任务的研究，支持事件关系建模、主题生成等多个研究方向。

查看ETimeline

关于 腾讯 , 腾讯是中国领先的互联网科技公司，提供包括社交通讯、媒体、娱乐、互联网服务等在内的多元化产品和服务。

关于 arXiv , arXiv 是一个免费分发服务和开放获取的学术文章档案库，涵盖了物理学、数学、计算机科学、定量生物学、定量金融、统计学、电气工程和系统科学以及经济学等领域。该网站上的材料并未经过 arXiv 的同行评审。