NewsEdits：新闻文章修订历史数据集（技术报告：数据处理）
计算与语言
2022-07-01 v2 数字图书馆
摘要
新闻文章修订历史有潜力为语言学和社会科学等多个领域提供新颖见解。本工作中，我们呈献了据我们所知首个公开可用的新闻文章修订历史数据集，即 NewsEdits。我们的数据集为多语言；包含来自三个国家逾 22 个英法语言报纸源的 1,278,804 篇文章及 4,609,430 个版本。跨版本对统计得 1090 万新增句子、890 万改动句子和 680 万删除句子。在改动句子中，我们推导出 7200 万原子编辑。据我们所知，NewsEdits 是任何领域最大的修订历史语料库。
引用
@article{arxiv.2104.09647,
title = {NewsEdits: A Dataset of Revision Histories for News Articles (Technical Report: Data Processing)},
author = {Alexander Spangher and Jonathan May},
journal= {arXiv preprint arXiv:2104.09647},
year = {2022}
}
备注
11 pages