主题：[转帖]教机器学习摘要

这里的语料分为两种，一种是用来训练深度学习模型的大型语料，一种是用来参加评测的小型语料。

1、DUC http://duc.nist.gov/
这个网站提供了文本摘要的比赛，2001-2007年在这个网站，2008年开始换到这个网站TAC http://www.nist.gov/tac/。很官方的比赛，各大文本摘要系统都会在这里较量一番，一决高下。这里提供的数据集都是小型数据集，用来评测模型的。

2、Gigaword https://catalog.ldc.upenn.edu/LDC2003T05
该语料非常大，大概有950w篇新闻文章，数据集用headline来做summary，即输出文本，用first sentence来做input，即输入文本，属于单句摘要的数据集。

3、CNN/Daily Mail
该语料就是我们在机器阅读理解中用到的语料，该数据集属于多句摘要。

4、Large Scale Chinese Short Text Summarization Dataset（LCSTS http://icrc.hitsz.edu.cn/Article/show/139.html）[6]
这是一个中文短文本摘要数据集，数据采集自新浪微博，给研究中文摘要的童鞋们带来了福利。