Harvard NLP 发布 Gigaword headline generation corpus 数据集, 应用在 新闻处理、自然语言生成 领域

Harvard NLP 本次发布的数据集 Gigaword headline generation corpus, 该数据集旨在用于从新闻文章中生成语法连贯、语义正确的抽象性标题。为确保数据质量，研究人员手动筛选了高质量的新闻文章和标题。该数据集的规模分别为训练集500,000条、验证集30,000条以及测试集30,000条，其任务是新闻标题生成（NHG）。

查看Gigaword headline generation corpus

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。