论文标题
MLSUM：多语言摘要语料库
MLSUM: The Multilingual Summarization Corpus
论文作者
论文摘要
我们提出MLSUM，这是第一个大型多语言摘要数据集。它从在线报纸上获得，其中包含1500万+文章/摘要对的五种不同语言 - 即法语，德语，西班牙语，俄语，土耳其语。与受欢迎的CNN/每日邮件数据集中的英语报纸一起，收集的数据形成了一个大型多语言数据集，可以为文本摘要社区提供新的研究方向。我们报告基于最先进系统的跨语性比较分析。这些突出了现有的偏见，激发了多语言数据集的使用。
We present MLSUM, the first large-scale MultiLingual SUMmarization dataset. Obtained from online newspapers, it contains 1.5M+ article/summary pairs in five different languages -- namely, French, German, Spanish, Russian, Turkish. Together with English newspapers from the popular CNN/Daily mail dataset, the collected data form a large scale multilingual dataset which can enable new research directions for the text summarization community. We report cross-lingual comparative analyses based on state-of-the-art systems. These highlight existing biases which motivate the use of a multi-lingual dataset.
