卡内基梅隆大学语言技术研究所 发布 FICSIM 数据集, 应用在 计算文学、语义相似性评估 领域

卡内基梅隆大学语言技术研究所 本次发布的数据集 FICSIM, FICSIM是一个为长篇小说的多方面语义相似性评估而构建的数据集。该数据集由长篇小说、最近创作的小说组成，包括12个维度的相似度评分，这些评分由作者产生的元数据和数字人文学者验证。数据集来源于Archive of Our Own（AO3），一个拥有超过1500万作品的数字存档。为了保证数据质量，作者们获得了每位作者的同意，以确保他们的作品能够被用于研究和分析。FICSIM旨在解决数字人文领域中，特别是在计算文学研究任务中，评估语言模型在处理长篇文本方面的能力问题。

查看FICSIM

Dataset card 内容： 

Files and versions 内容： 

关于 卡内基梅隆大学语言技术研究所 , 卡内基梅隆大学语言技术研究所是卡内基梅隆大学下属的一个研究机构，专注于自然语言处理、语音识别和语言理解等领域的研究。

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。