Skip to content

Latest commit

 

History

History
37 lines (19 loc) · 979 Bytes

README.md

File metadata and controls

37 lines (19 loc) · 979 Bytes

chinese_abstractive_corpus

语料名称

教育培训行业抽象式自动摘要中文语料库

语料简介

自动文摘分为两种:

  1. 抽取式

  2. 抽象式

语料库收集了教育培训行业主流垂直媒体的历史文章(截止到2018年6月5日)大约24500条数据集。主要是为训练抽象式模型而整理,每条数据有summary(摘要)和text(正文),两个字段,Summary字段均为作者标注。

压缩包大约 60 MB,解压后大约 150 MB。

sample

格式如下:

summary{{...}}

text{{...}}

关于和抽象式自动文摘更多研究成果可参考:http://www.abigailsee.com/2017/04/16/taming-rnns-for-better-summarization.html

作者对两种文摘方式做了深入对比,并且提供了实验结论。

关于训练集和测试集

并未明确划分训练集和测试集合,请使用者根据自己的实际情况按照比例划分

作者联系方式

wechat : wonderfulcorporation