NLP-文本摘要：数据集介绍及预处理【New York Times Annotated Corpus】

New York Time 语料库的描述：

• 1.8 million的文章
• 超过650k手动编写的文章摘要
• 超过1.5 million 的人工标记的文章，标记包括 人物，地点，组织，标题，主题
• 超过275k使用算法生成标记的文章
• 用于解析xml文件的java工具

语料库中有650k个手动编写的文章摘要，这个可以用于文档摘要生成算法的评估，

参考资料：
New York Times Corpus 介绍 （未完待续）
The New York Times Annotated Corpus