数据集概述
该数据集包含从Facebook、Reddit和Twitter爬取的五千条标题党帖子及其对应的破解内容，按训练、验证、测试集划分。破解内容分为短语型、段落型和非连续多文本型三类，曾用于SemEval-2023标题党破解任务。
文件详解
- 文件名称: webis-clickbait-22.zip
- 文件格式: ZIP压缩包
- 内部文件（按预设划分）:
- training.jsonl: 三千二百条训练用标题党帖子数据
- validation.jsonl: 八百条验证用标题党帖子数据
- test.jsonl: 一千条测试用标题党帖子数据（用于SemEval-2023任务）
- 数据字段说明（基于内容描述）:
- 包含标题党帖子原文
- 包含手动清理后的链接文档内容
- 包含对应破解内容及类型标签（短语型/段落型/非连续多文本型）
适用场景
- 自然语言处理研究: 用于标题党破解任务的模型训练与评估
- 文本生成任务: 探索短文本摘要与信息提炼的算法优化
- 社交媒体分析: 研究标题党内容特征及其破解策略
- 语义理解评估: 验证模型对诱导性文本的深层语义解析能力
