卡内基梅隆大学 发布 USB 数据集, 应用在 文本摘要、自然语言处理 领域

卡内基梅隆大学 本次发布的数据集 USB, USB数据集是由卡内基梅隆大学和东北大学合作创建，包含1988个从维基百科中提取的文档，用于支持8种不同的文本摘要任务。数据集涵盖6个领域，包括传记、公司、学校、报纸、地标和灾难。创建过程中，研究人员首先从维基百科下载英文文章，然后使用Wikiextractor工具提取文章，去除表格和列表，保留部分头信息。数据集主要用于训练和评估模型在提取证据、纠正事实错误和生成特定主题摘要等方面的能力，旨在解决文本摘要中的关键问题，如事实正确性和可控性。

查看USB

README 内容： 

关于 卡内基梅隆大学 , 卡内基梅隆大学是一所位于美国宾夕法尼亚州匹兹堡的私立研究型大学，以其在计算机科学、工程、商学和艺术等领域的卓越教育和研究而闻名。

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。