Corpus de simplificación de oraciones del Diario de Madrid

Para cada entrada, se incluyen tres versiones de la misma oración: Versión original preprocesada: El texto original extraído del Diario de Madrid, previamente preprocesado para eliminar ruido y garantizar su adecuación para el análisis. Versión simplificada por el modelo de lenguaje: La oración original procesada y transformada automáticamente por un modelo de lenguaje para hacerla más comprensible y accesible.

Versión final por el etiquetador: La versión simplificada final, tras ser revisada y ajustada manualmente por un etiquetador, que asegura que el texto sea adecuado para su público objetivo, manteniendo la precisión del contenido. Este dataset está diseñado para investigar y evaluar la efectividad de los modelos automáticos de simplificación de texto, proporcionando un recurso valioso tanto para la mejora de modelos de PLN como para la creación de sistemas de simplificación orientados a mejorar la accesibilidad de textos especializados.