Manually curated 发布 PS5k 数据集, 应用在 文本摘要、科学文档处理 领域

Manually curated 本次发布的数据集 PS5k, 该数据集包含了来自不同会议进程网站的5000多份论文与幻灯片配对，旨在训练科学文档的摘要模型。平均而言，每个演示文稿包含35页幻灯片，每页幻灯片有8行文本。该数据集用于训练摘要模型，并已分为训练集（4500对）、验证集（250对）和测试集（250对）。规模达到了5000对论文与幻灯片的配对，任务是对科学文档进行摘要。

查看PS5k

README 内容： 

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。