标题：乔治城大学、Adobe|TLDR9+: A Large Scale Resource for Extreme Summarization of Social Media Posts（TLDR9+：大规模社交媒体帖子的极限摘要资源）

作者：Sajad Sotudeh, Nazli Goharian

简介：本文介绍了一个英文摘要数据集。摘要发展的最新模式系统由数百万个参数和模型性能高度依赖于丰富的训练数据。虽然大多数现有的摘要语料库包含数千到百万级数据，几百万的数量级大规模摘要数据集的生成还有待探索。实际上，更多的数据可以更好地将训练模式泛化到未见的数据。在本文中，作者介绍了 TLDR9+——一个大规模的摘要数据集——包含Reddit 论坛的超过900 万个训练实例。这个数据集是专门收集来的极限摘要（即，在高压缩和抽象）并且比之前提出的数据集大两倍多。更进一步，在人工注释帮助下，作者通过从 TLDR9+ 中采样高质量实例来提取更细粒度的数据集，并将其称为TLDRHQ数据集。作者进一步确定了提出的不同的最先进的摘要模型。

代码下载：https://github.com/sajastu/reddit_collector

论文下载：https://arxiv.org/pdf/2110.01159v2.pdf

内容中包含的图片若涉及版权问题，请及时与我们联系删除