LANS：大规模阿拉伯语新闻摘要语料库
计算与语言
2022-10-26 v1 机器学习
摘要
文本摘要在诸多语言中已被深入研究，部分语言已达进阶阶段。然而，阿拉伯语文本摘要(ATS)仍处发展阶段。现有 ATS 数据集要么规模小，要么缺乏多样性。我们构建了 LANS，一个大规模且多样的阿拉伯语文本摘要任务数据集。LANS 提供从 1999 至 2019 年报纸网站元数据中抽取的 840 万篇文章及其摘要。高质量且多样的摘要由来自 22 家主要阿拉伯报纸的记者撰写，并包含各来源至少 7 个以上主题的混合。我们通过自动与人工评估对 LANS 进行内在评价。对 1000 个随机样本的人工评估显示所收集摘要准确率达 95.4%，自动评估量化了摘要的多样性与抽象性。该数据集可经申请公开获取。
引用
@article{arxiv.2210.13600,
title = {LANS: Large-scale Arabic News Summarization Corpus},
author = {Abdulaziz Alhamadani and Xuchao Zhang and Jianfeng He and Chang-Tien Lu},
journal= {arXiv preprint arXiv:2210.13600},
year = {2022}
}
备注
10 pages, 1 figure