HunSum-1 数据集卡片

数据集描述

数据集总结

HunSum-1 数据集是一个包含超过1.1M个独特新闻文章以及引言和其他元数据的匈牙利语数据集。该数据集包含来自9个主要匈牙利新闻网站的文章。

支持的任务和排行榜

• 'summarization'（摘要生成）
• 'title generation'（标题生成）

数据集结构

数据字段

• uuid ：包含唯一标识符的字符串
• article ：包含新闻文章正文的字符串
• lead ：包含文章引言的字符串
• title ：包含文章标题的字符串
• url ：包含文章URL的字符串
• domain ：包含URL域名的字符串
• date_of_creation ：包含文章创建日期的时间戳
• tags ：包含文章标签的序列

数据拆分

HunSum-1 数据集有3个拆分：train（训练集）、validation（验证集）和test（测试集）。

引用

如果您使用了我们的数据集，请引用以下论文：

@inproceedings {HunSum-1,
    title = {{HunSum-1: an Abstractive Summarization Dataset for Hungarian}},
    booktitle = {XIX. Magyar Számítógépes Nyelvészeti Konferencia (MSZNY 2023)},
    year = {2023},
    publisher = {Szegedi Tudományegyetem, Informatikai Intézet},
    address = {Szeged, Magyarország},
    author = {Barta, Botond and Lakatos, Dorina and Nagy, Attila and Nyist, Mil{\'{a}}n Konor and {\'{A}}cs, Judit},
    pages = {231--243}
}