数据集概述
该数据集为孟加拉语文章多级抽象摘要的大规模数据集，包含原始文本及三种不同压缩比的摘要（sum1、sum2、sum3），可用于评估不同摘要方法的有效性，分析摘要长度与信息完整性的权衡关系。
文件详解
数据集包含两个文件，具体说明如下：
- 文件名称: BanSum.csv
- 文件格式: CSV
- 字段映射:
- ID: 文章唯一标识符
- main: 原始孟加拉语文章文本
- sum1: 一级摘要文本（平均长度293.75字符，压缩比0.14）
- sum2: 二级摘要文本（平均长度506.10字符，压缩比0.24）
- sum3: 三级摘要文本（平均长度688.50字符，压缩比0.33）
- 文件名称: bansum-metadata.json
- 文件格式: JSON
- 字段映射:
- title: 数据集标题
- doi: 数字对象标识符
- licenses: 许可信息
- subtitle: 数据集副标题
- description: 数据集描述
- keywords: 关键词（含medical: ct）
- resources: 资源信息
适用场景
- 自然语言处理研究: 用于孟加拉语文本摘要模型的训练与评估
- 摘要方法对比: 分析不同压缩比摘要的信息完整性与简洁性权衡
- 多语言摘要技术: 探索多级抽象摘要在低资源语言中的应用效果
- 文本压缩研究: 研究不同压缩程度对文本语义保留的影响
