PMIndiaSum：面向印度语言的多语与跨语标题摘要语料库
计算与语言
2023-10-23 v2
摘要
本文介绍了 PMIndiaSum，一个专注于印度语言的多语大规模平行摘要语料库。我们的语料库为四个语系、14 种语言提供了训练与测试平台，且是迄今规模最大的，包含 196 个语言对。我们详述了构建流程，包括数据获取、处理与质量保证。此外，我们通过微调、提示以及翻译再摘要的方式，发布了单语、跨语和多语摘要的基准。实验结果证实了我们的数据在助力印度语言间摘要任务中的关键作用。我们的数据集已公开可用，并可自由修改与再分发。
引用
@article{arxiv.2305.08828,
title = {PMIndiaSum: Multilingual and Cross-lingual Headline Summarization for Languages in India},
author = {Ashok Urlana and Pinzhen Chen and Zheng Zhao and Shay B. Cohen and Manish Shrivastava and Barry Haddow},
journal= {arXiv preprint arXiv:2305.08828},
year = {2023}
}
备注
Findings of EMNLP 2023