MeetingBank-QA-Summary ist ein von Microsoft im Jahr 2024 veröffentlichtes Dataset, das sich auf die Beantwortung von Fragen und die Generierung von Zusammenfassungen aus Meeting-Transkripten konzentriert. Die zugehörige Forschungsarbeit ist unter „LLMLingua-2: Data Distillation for Efficient and Faithful Task-Agnostic Prompt Compression" zu finden und zielt darauf ab, die Leistung komprimierter Meeting-Transkripte bei nachgelagerten Aufgaben zu bewerten.

Das Dataset enthält 862 Meeting-Transkripte aus dem MeetingBank-Testset mit einer Datengröße von etwa 13,4 MB sowie von GPT-4 generierte Zusammenfassungen und hochwertige Frage-Antwort-Paare.

Zusammensetzung des Datasets

Das Dataset umfasst die folgenden Hauptfelder und Strukturen:

• idx: Index der Stichprobe.
• prompt: Der Meeting-Transkripttext, der als Kontexteingabe dient.
• QA_pairs: Eine Liste von Frage-Antwort-Paaren, wobei jedes Paar Folgendes enthält:
• answer: Die Antwort auf die Frage.
• question: Eine auf dem Transkripttext basierende generierte Frage.
• summary: Die generierte Zusammenfassung.
• gpt4_summary: Die von GPT-4 generierte Zusammenfassung.

Zitation

@inproceedings{pan2024llmlingua2,
    title={LLMLingua-2: Data Distillation for Efficient and Faithful Task-Agnostic Prompt Compression},
    author={Zhuoshi Pan and Qianhui Wu and Huiqiang Jiang and Menglin Xia and Xufang Luo and Jue Zhang and Qingwei Lin and Victor Rühle and Yuqing Yang and Chin-Yew Lin and H. Vicky Zhao and Lili Qiu and Dongmei Zhang},
    year={2024},
    booktitle = {Proceedings of the 62nd Annual Meeting of the Association for Computational Linguistics},
    publisher = {Association for Computational Linguistics}
}