Google Research 发布 Sentence Compression 数据集, 应用在 自然语言处理、句子压缩 领域

Google Research 本次发布的数据集 Sentence Compression, 该数据集名为GSC，包含了专注于句子压缩任务的训练和测试句子，内容丰富多样，语法结构各异。经过筛选，数据集中的句子被限制在最多50个BPE分词单位以内，从而使得训练集中的句子平均长度为23.1个单词。该数据集的规模包括20万个训练句子和9,995个测试句子，其任务类型为句子生成（采样）。

查看Sentence Compression

README 内容： 

关于 Google Research , 谷歌研究是谷歌公司的研发部门，致力于计算机科学的基础研究和应用研究，推动技术和科学的进步。

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。