Georgetown大学 发布 GUM-SAGE 数据集, 应用在 自然语言处理、文本分析 领域

Georgetown大学 本次发布的数据集 GUM-SAGE, GUM-SAGE数据集是基于GUM语料库构建的，包含12种不同文本类型的英语文档，总共213个文档，超过32.3万个词汇。数据集通过众包方式为每个文档生成5个摘要，并根据实体在摘要中的出现频率为所有命名和非命名实体计算了显著性分数。该数据集旨在解决文本中实体显著性预测的问题，适用于评估和改进实体显著性预测模型。

查看GUM-SAGE

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。