| 标 题： |
A Database of Slovak News Articles for Boilerplate Removal
斯洛伐克新闻文章数据库，用于去除模板内容 |
| 作 者： |
Zuzana Rabekova
Vanesa Andicsova
Milos Oravec
Jarmila Pavlovicova
Peter Hintos |
| 关键词： |
Web-Scraping [网页抓取]
Boilerplate removal [ 模板移除]
Low-resource languages [ 资源较少的语言]
Data retrieval [ 数据检索] |
| 出版年： |
2024 |
| 文集名： |
66th International Symposium ELMAR
第66届国际ELMAR研讨会 |
| 会议名： |
66th International Symposium ELMAR
第66届国际ELMAR研讨会 |
| 届 次： |
66th |
| 摘 要： |
Boilerplate text removal is a crucial preprocessing step in many machine-learning tasks, such as text analysis or information extraction. This paper introduces a new database created for boilerplate removal tasks, comprising Slovak articles sourced from thirty distinct news platforms. We present the methodology used for data collection, labelling, and validation. We believe this dataset will facilitate advancements in boilerplate removal techniques and improve the quality and efficiency of various text processing tasks in Slovak language contexts and other low-resource languages.
去除模板文本是许多机器学习任务（如文本分析或信息提取）中的关键预处理步骤。本文介绍了一个专为去除模板文本任务而创建的新数据库，其中包含来自三十个不同新闻平台的斯洛伐克语文章。我们介绍了数据收集、标注和验证所采用的方法。我们认为，该数据集将有助于推动模板去除技术的发展，并提升斯洛伐克语及其他低资源语言环境下各类文本处理任务的质量与效率。 |
| 中文内容为网络AI翻译，专业术语未必准确，仅供参考。 |
京公网安备 11010202009788