多面要約は、異なる視点から文書の概要を提供します。構造化されたアウトラインの助けを借りることで、読者は長い文書の主要なポイントを迅速に理解することができます。しかし、この分野に関する研究はまだ十分に行われていません。その理由の一部は、大規模な多面要約データセットの不足にあると考えられます。本研究では、エメラルドジャーナル記事に基づいて構築され、多様な分野をカバーする多面要約ベンチマークであるFacetSum（ファセットサム）を紹介します。従来の文書と要約のペアとは異なり、FacetSumは複数の要約を提供し、それぞれが長い文書の特定のセクション（目的、方法、結果、価値）を対象としています。当社のデータセットに対する分析および実証的な結果は、要約に構造を持たせる重要性を示しています。私たちはFacetSumが要約研究におけるさらなる進歩を促進し、長文と要約内の構造化情報を活用できるNLPシステムの開発を後押しすると信じています。