ID	标题	数据集更新日期	数据集提供者	许可	说明	关键字	类别	论文地址	备注
1	LCSTS	2015/8/6	Qingcai Chen		数据集来源于新浪微博，包含两百万左右真实中文短文本，每条数据包括由作者标注的摘要和正文两个字段。另外有10,666条数据由人工标注出短文本与摘要的相关性，从1-5相关性依次增加。	单文本摘要；短文本；文本相关性	文本摘要	http://arxiv.org/abs/1506.05865
2	中文短文本摘要数据集	2018/6/20	He Zhengfang		数据来源于新浪微博主流媒体发布的微博，共679898条数据。	单文本摘要；短文本	文本摘要	\
3	教育培训行业抽象式自动摘要中文语料库	2018/6/5	匿名		语料库收集了教育培训行业主流垂直媒体的历史文章，约24500条数据，每条数据包括由作者标注的摘要和正文两个字段。	单文本摘要；教育培训	文本摘要	\
4	NLPCC2017 Task3	2017/11/8	NLPCC2017主办方		数据集来源于新闻领域，是NLPCC2017举办提供的任务数据，可用于单文本摘要。	单文本摘要；新闻	文本摘要	\
5	神策杯2018	2018/10/11	DC竞赛主办方		数据来源于新闻文本，由DC竞赛主办方提供，模拟业务场景，以新闻文本的核心词提取为目的，最终结果达到提升推荐和用户画像的效果。	文本关键字；新闻	文本摘要	\
6	Byte Cup 2018国际机器学习竞赛	2018/12/4	字节跳动		数据来自字节跳动旗下产品TopBuzz和开放版权的文章，训练集包括了约 130 万篇文本的信息，验证集 1000 篇文章， 测试集 800 篇文章。 每条测试集和验证集的数据经由人工编辑手工标注多个可能的标题，作为答案备选。	单文本摘要；视频；新闻	文本摘要	\	英文
7	NEWSROOM	2018/6/1	Grusky		数据是从1998年到2017年的搜索和社交元数据中获得，并使用了多种提取和抽象相结合的摘要策略，包含作者和编辑在38个主要出版物编辑部撰写的130万篇文章和摘要。	单文本摘要；社交元数据；搜索	文本摘要	http://aclweb.org/anthology/N18-1065	英文
8	[DUC/TAC](https://duc.nist.gov/ https://tac.nist.gov//)	2014/9/9	NIST		全称Document Understanding Conferences/Text Analysis Conference，数据集来源于每年的TAC KBP（TAC Knowledge Base Population）比赛使用的语料库中的新闻专线和网络文本。	单文本/多文本摘要；新闻	文本摘要	\	英文
9	CNN/Daily Mail	2017/7/31	Standford	GNU v3	数据集是从美国有线新闻网（CNN）和每日邮报(DailyMail)中手机大约一百万条新闻数据作为机器阅读理解语料库。	多文本摘要；长文本；新闻	文本摘要	https://arxiv.org/pdf/1704.04368.pdf	英文
10	Amazon SNAP Review	2013/3/1	Standford		数据来源于Amazon网站购物评论，可以获取每个大类别（如美食、电影等）下的数据，也可以一次性获取所有数据。	多文本摘要；购物评论	文本摘要	\	英文
11	Gigaword	2003/1/28	David Graff, Christopher Cieri		数据集包括约950w 篇新闻文章，用文章标题做摘要，属于单句摘要数据集。	单文本摘要；新闻	文本摘要		英文
12	RA-MDS	2017/9/11	Piji Li		全称Reader-Aware Multi-Document Summarization，数据集来源于新闻文章，由专家收集、标注和审查。涵盖了45个主题，每个主题包含10个新闻文档和4个模型摘要，每个新闻文档平均包含27个句子，每个句子平均包含25个单词。	多文本摘要；新闻；人工标注	文本摘要	http://lipiji.com/docs/li2017ramds.pdf	英文
13	TIPSTER SUMMAC	2003/5/21	The MITRE Corporation and the University of Edinburgh		数据由183篇Computation and Language (cmp-lg) collection标记的文档组成，文档取自ACL会议发表论文。	多文本摘要；长文本	文本摘要	\	英文
14	WikiHow	2018/10/18	Mahnaz Koupaee		每条数据为一篇文章，每篇文章由多个段落组成，每个段落以一个总结它的句子开头。通过合并段落形成文章和段落大纲形成摘要，数据集的最终版本包含了超过200,000个长序列对。	多文本摘要；长文本	文本摘要	https://arxiv.org/abs/1810.09305	英文
15	Multi-News	2019/12/4	Alex Fabbri		数据来自1500多个不同网站的输入文章以及从网站newser.com获得的56,216篇这些文章的专业摘要。	多文本摘要	文本摘要	http://arxiv.org/abs/1906.01749	英文
16	MED Summaries	2018/8/17	D.Potapov		数据集用于动态视频摘要评估，包含160个视频的注释，其中验证集60、测试集100，测试集中有10个事件类别。	单文本摘要；视频注释	文本摘要	http://hal.inria.fr/hal-01022967	英文
17	BIGPATENT	2019/7/27	Sharma		数据集包括130万份美国专利文献记录以及人类书面抽象摘要，摘要包含更丰富的话语结构和更多的常用实体。	单文本摘要；专利；书面语	文本摘要	http://arxiv.org/abs/1906.03741	英文
18	[NYT]( https://catalog.ldc.upenn.edu/LDC2008T19)	2008/10/17	Evan Sandhaus		全称The New York Times,数据集包含150篇来自纽约时报的商业文章,抓取了从2009年11月到2010年1月纽约时报网站上的所有文章。	单文本摘要；商业文章	文本摘要	\	英文
19	The AQUAINT Corpus of English News Text	2002/9/26	David Graff		数据集由新华社(中华人民共和国)、纽约时报新闻服务和美联社世界新闻服务的英文新闻文本数据组成，包含大约3.75亿字。数据集收费。	单文本摘要；新闻	文本摘要	\	中文和英文
20	Legal Case Reports Data Set	2012/10/19	Filippo Galgani		数据集来自2006-2009年澳大利亚联邦法院(FCA)的澳大利亚法律案例，包含约4000个法律案件及其摘要。	单文本摘要；法律案件	文本摘要	\	英文
21	17 Timelines	2015/5/29	G. B. Tran		数据是从新闻文章网页中提取的内容，包含埃及、利比亚、也门、叙利亚四个国家的新闻。	单文本摘要；新闻	文本摘要	http://l3s.de/~gtran/publications/www2013.pdf	多语言
22	PTS Corpus	2018/10/9	Fei Sun		全称Product Title Summarization Corpus，数据为移动设备显示电子商务应用中的产品名称摘要	单文本摘要；短文本	文本摘要	https://arxiv.org/abs/1808.06885
23	Scientific Summarization DataSets	2019/10/26	Santosh Gupta		数据集取自Semantic Scholar Corpus和ArXiv。来自Semantic Scholar语料库的标题/摘要对，过滤掉生物医学领域的所有论文，包含580万条数据。来自ArXiv的数据，包含了从1991年开始到2019年7月5日的每篇论文的标题/摘要对。数据集包含金融类数据10k，生物学类26k，数学类417k，物理类157万，CS类221k。	单文本摘要；论文	文本摘要	\	英文
24	Scientific Document Summarization Corpus and Annotations from the WING NUS group	2019/3/19	Jaidka		数据集包括ACL计算语言学和自然语言处理研究论文，以及各自的引用论文和三个输出摘要:传统作者的论文摘要(摘要)、社区摘要(引用语句“引文”的收集)和由训练有素的注释员撰写的人类摘要，训练集包含40篇文章和引用论文。	单文本摘要；论文	文本摘要	http://www.aclweb.org/anthology/W16-1511.pdf	英文