数据集概述
本数据集基于RepLab 2013数据集构建，包含汽车和银行两个领域共31个实体的71,303条英西双语推特数据。数据按实体主题聚类，每个主题对应人工生成的英文抽象摘要、西班牙文抽象摘要和抽取式摘要，主题标注有优先级（Alert、Midly_important、unimportant），用于实体声誉管理相关研究。
文件详解
- 压缩包文件
- 文件名称：RepLab_summarization_dataset-V1.0.zip
- 文件格式：ZIP
- 内容结构：包含entities目录，目录内每个.xml文件对应一个实体，字段包括：
- Corpus entity：实体ID
- cluster：实体的主题聚类，包含label（主题名称）、priority（主题优先级）
- tweet：推特信息，包含id（推特ID）、date（发布日期）、followers（作者粉丝数）、polarity（情感极性）、text（推特文本）
- summary：摘要信息，包含abstract_EN（英文抽象摘要）、abstract_ES（西班牙文抽象摘要）、tweet（抽取式摘要对应的推特ID）
数据来源
论文“Automatic Generation of Entity-Oriented Summaries for Reputation Management”
适用场景
- 实体导向摘要生成研究：用于训练和评估针对企业实体的多语言（英西）摘要模型
- 声誉管理优先级分析：基于主题优先级标签，研究声誉风险的自动识别与分级机制
- 社交媒体情感与传播研究：通过推特的polarity、followers等字段，分析用户对企业的情感倾向及信息传播特征
- 多语言文本处理：支持英西双语推特数据的预处理、语义分析等相关研究
