中国民族大学 发布 Chinese Minority Headline Generation (CMHG) 数据集, 应用在 自然语言处理、少数民族语言 领域

中国民族大学 本次发布的数据集 Chinese Minority Headline Generation (CMHG), CMHG数据集是由中国民族大学等研究机构创建，专门针对中国少数民族语言（藏语、维吾尔语、蒙古语）的新闻标题生成任务。该数据集包含10万个藏语样本和各5万个维吾尔语和蒙古语样本，由网络爬虫从中国政府文件和新闻文章等在线平台收集。为了保证数据质量，研究人员对收集到的数据进行清洗和去重，并与母语者合作进行标注和评估。该数据集旨在解决少数民族语言资源匮乏的问题，推动少数民族语言自然语言处理研究的发展。

查看Chinese Minority Headline Generation (CMHG)

Dataset card 内容： 

Files and versions 内容： 

关于 中国民族大学 , 中国民族大学是一所以培养少数民族人才为主的综合性大学，位于北京市，前身为中央民族学院。学校致力于民族学科的研究与教学，涵盖文、理、工、管、法、教育、艺术等多个学科领域，为少数民族地区的发展培养了大量人才。

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。