LR-Sum：面向资源较少语言的摘要生成
计算与语言
2023-10-30 v2
摘要
本预印本描述了LR-Sum的进行中工作，这是一个新创建的、许可宽松的数据集，旨在促进资源较少语言的自动摘要生成研究。LR-Sum包含40种语言的人工撰写摘要，其中许多是资源较少的语言。我们描述了从多语言开放文本语料库（Palen-Michel et al., 2022）中提取和过滤该数据集的过程。源数据是来自美国之音网站的公共领域新闻电讯，LR-Sum在知识共享许可协议（CC BY 4.0）下发布，使其成为最开放许可的多语言摘要数据集之一。我们描述了计划如何使用这些数据进行建模实验，并讨论了该数据集的局限性。
引用
@article{arxiv.2212.09674,
title = {LR-Sum: Summarization for Less-Resourced Languages},
author = {Chester Palen-Michel and Constantine Lignos},
journal= {arXiv preprint arXiv:2212.09674},
year = {2023}
}