发布 Perseus 数据集, 应用在 自然语言处理、跨语言摘要 领域

本次发布的数据集 Perseus, 该数据集名为Perseus，是首个针对长文档的跨语言摘要（CLS）数据集，包含了大约94,000对中文学术文档及其对应的英文摘要。这些文档的平均长度超过2000个词汇，训练集、验证集和测试集的压缩比分别为14.3、14.4和14.3。数据集被划分为82,000个训练样本、6,000个验证样本以及6,000个测试样本，其任务是跨语言摘要。

查看Perseus

README 内容： 

关于 ,

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。