巴西众议院 发布 PublicHearingBR 数据集, 应用在 长文档摘要、自然语言处理 领域

巴西众议院 本次发布的数据集 PublicHearingBR, PublicHearingBR是由巴西众议院创建的一个葡萄牙语数据集，旨在支持长文档摘要任务。该数据集包含巴西众议院公共听证会的转录文本，每个转录文本与新闻文章和结构化摘要配对，涵盖了参与听证会的个人及其观点。数据集的大小和复杂性使其适用于训练和评估长文档摘要系统。创建过程包括手动选择新闻文章、下载和解析HTML文件、使用GPT-4模型提取结构化摘要，并进行手动校正。PublicHearingBR的应用领域包括自然语言处理中的长文档摘要和自然语言推理任务，旨在解决非英语语言中长文档摘要资源的稀缺问题。

查看PublicHearingBR

Dataset card 内容： 

Files and versions 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。