HowSumm：一个源自WikiHow文章的多文档摘要数据集

我们提出了HowSumm，这是一个面向查询聚焦型多文档摘要（query-focused multi-document summarization, qMDS）任务的新型大规模数据集，旨在从一组源文档中生成可操作的指导性内容。该应用场景不同于现有多文档摘要（MDS）数据集中涵盖的典型用例，具有广泛适用于教育与工业场景的潜力。HowSumm通过自动化方法构建，其数据源自wikiHow网站的文章及其引用的原始资料，并结合了已有高质量人工标注qMDS数据集的统计特征进行设计与筛选。本文详细阐述了该数据集的构建过程，并讨论了其在结构与语义层面区别于其他摘要语料库的独特属性。针对该数据集开展的自动评估与人工评估结果表明，无论是抽取式还是生成式摘要模型，均仍有显著的改进空间。