GameWikiSum：一种新型大型多文档摘要数据集
计算与语言
2020-02-18 v1
摘要
当今多文档摘要领域的研究进展受到可用数据集数量稀少的阻碍。由于参考摘要的获取成本高昂，现有数据集至多只包含数百个样本，导致严重依赖手工特征或需要额外的手动标注数据。因此，大型语料的缺乏阻碍了复杂模型的发展。此外，大多数公开可用的多文档摘要语料属于新闻领域，而视频游戏领域不存在类似的 dataset。在本文中，我们提出了 GameWikiSum，一个用于多文档摘要的新型领域特定数据集，其规模是常用数据集的一百倍，且属于新闻之外的另一领域。输入文档由长篇专业视频游戏评测以及其在维基百科页面中对应玩法部分的参考组成。我们分析了所提出的数据集，并表明抽象式和抽取式模型均可在其上训练。我们发布 GameWikiSum 以供进一步研究：https://github.com/Diego999/GameWikiSum。
引用
@article{arxiv.2002.06851,
title = {GameWikiSum: a Novel Large Multi-Document Summarization Dataset},
author = {Diego Antognini and Boi Faltings},
journal= {arXiv preprint arXiv:2002.06851},
year = {2020}
}
备注
6 pages, 1 figure, 4 tables. Accepted at LREC 2020