mediasum

MediaSum是一个大规模媒体访谈数据集，包含46.36万条带有概括性摘要的转录文本，数据来源于NPR和CNN的访谈记录和主题描述。每个样本包括唯一的ID、节目名称、日期、URL、标题、摘要以及发言者和对应的发言内容。数据集分为训练集（443,596条）、验证集（10,000条）和测试集（10,000条）。该数据集主要用于对话摘要的研究任务。虽然未指定明确的授权许可，但作者要求该数据集仅用于研究目的。