泰国文本摘要数据集
数据来源：互联网公开数据
标签：文本摘要,泰语,新闻分类,摘要生成,自然语言处理,新闻标题,语言建模
数据概述：
本数据集是目前最大的泰语文本摘要数据集，包含从2014年至2020年期间从泰国多家主流新闻网站（如泰国国家电视台、泰国每日新闻、标准报等）爬取的358,868篇文章及其摘要。数据集以CSV格式存储，包含标题、正文、摘要、类型、标签和URL字段，总大小约为2.9 GB。数据经过清洗和预处理，确保摘要与正文的相关性，去除噪音内容如星座运势、小说、视频摘要等。此外，数据集提供了预训练的文本摘要模型（如BertSum和ARedSum），并附带了相关代码和模型检查点，便于进一步研究和应用。
数据用途概述：
该数据集适用于泰语文本摘要模型的训练和评估，支持提取式和生成式摘要任务。研究人员可以利用此数据集进行模型性能基准测试、文本摘要算法优化以及语言建模研究。此外，数据集还可用于新闻分类（多标签和单标签）、新闻标题生成、语言建模等任务。数据集的开放共享旨在推动泰语自然语言处理领域的发展，为学术研究和实际应用提供高质量的数据支持。
