Multi-LexSum 数据集卡

在 NeurIPS 2022 上的讨论

数据集摘要

Multi-LexSum 数据集是包含 9,280 个法律案例摘要的集合。Multi-LexSum 在多个目标摘要方面与其他数据集不同，每个摘要都具有不同的粒度（从一句话的“极端”摘要到超过五百个词的多段落叙述）。由于源文件的长度通常超过两百页，它提供了一个具有挑战性的多文档摘要任务。与其他（半）自动构建的摘要数据集不同，Multi-LexSum 由专家撰写的摘要组成：这些专家 - 律师和法律学生 - 接受过精心制定的指导方针的培训，并由额外的专家进行审核以确保质量。

语言

英语

数据集

数据字段

数据集包含一系列实例（案例）；每个实例包含以下数据：

请查看下面的示例用法以加载数据：

from datasets import load_dataset

multi_lexsum = load_dataset("allenai/multi_lexsum", name="v20230518")
# Download multi_lexsum locally and load it as a Dataset object 

example = multi_lexsum["validation"][0] # The first instance of the dev set 
example["sources"] # A list of source document text for the case

for sum_len in ["long", "short", "tiny"]:
    print(example["summary/" + sum_len]) # Summaries of three lengths

  print(example['case_metadata']) # The corresponding metadata for a case in a dict 

数据拆分

数据集表格（数据表）

有关数据集创建、源数据、注释和使用注意事项的详细信息，请参阅我们的 dataset sheet 。

其他信息

数据集创建者

该数据集是由密歇根大学的民权诉讼信息清理中心（CRLC）与艾伦人工智能研究所合作创建的。Multi-LexSum 基于Clearinghouse发布的数据集，旨在向公众提供有关民权诉讼的信息。

许可信息

Multi-LexSum 数据集在 Open Data Commons Attribution License (ODC-By) 下分发。案例摘要和元数据在 Creative Commons Attribution License (CC BY-NC) 下获得许可，源文件已经属于公共领域。希望获得摘要和元数据许可的商业用户可以联系 info@clearinghouse.net，这将允许免费使用，但限制摘要的重新发布。用于下载和加载数据集的相应代码在 Apache License 2.0 下获得许可。

引用信息

@article{Shen2022MultiLexSum,
  author    = {Zejiang Shen and
               Kyle Lo and
               Lauren Yu and
               Nathan Dahlberg and
               Margo Schlanger and
               Doug Downey},
  title     = {Multi-LexSum: Real-World Summaries of Civil Rights Lawsuits at Multiple Granularities},
  journal   = {CoRR},
  volume    = {abs/2206.10883},
  year      = {2022},****
  url       = {https://doi.org/10.48550/arXiv.2206.10883},
  doi       = {10.48550/arXiv.2206.10883}
}

发布历史