MovieSum：大型复杂文本摘要数据集，提供格式化剧本信息以及维基摘要 | ACL 2024 - 晓飞的算法工程笔记
原文中文，约3300字，阅读约需8分钟。
📝
内容提要
MovieSum数据集包括2200部电影剧本及其维基百科情节摘要，用于电影剧本的抽象摘要。该数据集提供了带有IMDb ID的元数据，并详细描述了收集和过滤剧本的步骤，以及与其他数据集的比较。实验表明，最近的模型在长篇抽象摘要方面存在困难，论文希望能激发进一步研究。
❓
Q&A
MovieSum数据集包含多少部电影剧本？
MovieSum数据集包含2200部电影剧本。
MovieSum与现有数据集相比有什么优势？
MovieSum比现有数据集大两倍，并且提供了手动格式化的剧本和IMDB ID元数据。
MovieSum数据集的电影剧本平均长度是多少？
数据集中的电影剧本平均长度为29000字。
MovieSum数据集的摘要平均长度是多少？
摘要的平均长度为717字。
MovieSum数据集是如何收集和过滤剧本的？
剧本通过电影名称和发行年份识别重复项，并过滤掉没有文本内容或不完整的剧本。
MovieSum数据集的实验结果显示了什么？
实验表明，最近的模型在长篇抽象摘要方面存在困难，论文希望能激发进一步研究。
🏷️
