Open4Business(O4B)：一个用于商业文档摘要的开放获取数据集
信息检索
2020-12-01 v3 人工智能
计算与语言
摘要
微调深度学习模型以实现自动摘要的一个主要挑战是需要大规模特定领域数据集。从在线出版物等资源中策划此类数据的障碍之一是厘清适用于其复用的许可规定，尤其是商业用途。因此，尽管存在若干商业期刊，目前仍没有用于商业文档摘要的大规模数据集。在本文中，我们介绍了Open4Business(O4B)，一个包含17,458篇开放获取商业文章及其参考摘要的数据集。该数据集为商业领域摘要带来了新挑战，相较于其他现有数据集，其要求更具抽象性且更简洁的摘要。此外，我们在该数据集上评估了现有模型，并随之表明在O4B上训练得到的模型与在一个大7倍的非开放获取数据集上训练的模型在摘要上取得了相当的性能。我们发布了该数据集及相应代码，这些代码可用于类似地收集多个领域的数据。
引用
@article{arxiv.2011.07636,
title = {Open4Business(O4B): An Open Access Dataset for Summarizing Business Documents},
author = {Amanpreet Singh and Niranjan Balasubramanian},
journal= {arXiv preprint arXiv:2011.07636},
year = {2020}
}
备注
7 pages, 3 figures, accepted in Workshop on Dataset Curation and Security-NeurIPS 2020