admin 管理员组

文章数量: 1184232

常识对话生成数据集

语言：中文

常识对话生成数据集(Commonsense Conversation Dataset)包括3,000,000多条对话数据，相关常识知识库包含20,000多个实体，44个关系，120,000多个知识三元组。对话数据由 Reddit 论坛收集而来，经过常识知识库的匹配后，保证其 Post 与 Response 都存在至少一个实体蕴含在一个常识知识三元组中。

提供方：清华大学计算机系黄民烈副教授

相关论文：Hao Zhou, Tom Yang, Minlie Huang, Haizhou Zhao, Jingfang Xu, Xiaoyan Zhu. Commonsense Knowledge Aware Conversation Generation with Graph Attention. IJCAI-ECAI 2018, Stockholm, Sweden.

数据集地址：https://www.biendata.xyz/ccf_tcci2018/datasets/tcci_tag/17

对话系统问题生成数据集

语言：中文

对话系统问题生成数据集(Dialogue Question Generation, DQG)中所有输入输出对都是从Weibo数据集中基于特定的规则筛选得到，共计约49万组。我们筛选了所有session中的第一次对话（与上文无关），且要求Response中包含疑问词（或问号），所包含的疑问词的列表同样在数据集中给出。我们剔除了那些不包含动词或名词的回复从而避免过多的通用提问。数据集中，Post为对话的输入，Response为筛选后的提问回复。 除此之外，该数据集还给出了输入与输出中词语间的点互信息(Pointwise Mutual Information, PMI)，用于衡量词语之间的话题相关性。数据集中分别给出了名词间、动词间以及二者共同的P

本文标签： 中文 数据

版权声明：本文标题：中文对话数据集 内容由网友自发贡献，该文观点仅代表作者本人， 转载请联系作者并注明出处：http://www.roclinux.cn/b/1754606828a3020671.html， 本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容，一经查实，本站将立刻删除。