BlackSamorez/2ch_b_dialogues

该数据集是从2ch.hk/b/论坛中挖掘的俄语对话数据，主要用于对话生成任务。数据格式为对话列表，每个对话包含多个帖子，按从后到前的顺序排列。数据集的创建动机是娱乐，数据来源是2ch.hk/b/的用户。

annotations_creators:
- 无标注
language_creators:
- 现有资源采集
language:
- 俄语
license: []
multilinguality:
- 单语言
pretty_name: 从2ch/b/板块挖掘的对话数据集
size_categories:
- 10000 < n < 100000
source_datasets:
- 原始数据集
task_categories:
- 对话式任务
task_ids:
- 对话生成

---

# 2ch_b_dialogues 数据集卡片

## 目录
- [数据集描述](#dataset-description)
- [数据集摘要](#dataset-summary)
- [支持任务与排行榜](#supported-tasks-and-leaderboards)
- [使用语言](#languages)
- [数据集结构](#dataset-structure)
- [数据实例](#data-instances)
- [数据字段](#data-fields)
- [数据划分](#data-splits)
- [数据集构建](#dataset-creation)
- [构建初衷](#curation-rationale)
- [源数据](#source-data)
- [标注信息](#annotations)
- [个人与敏感信息](#personal-and-sensitive-information)
- [数据集使用注意事项](#considerations-for-using-the-data)
- [数据集的社会影响](#social-impact-of-dataset)
- [偏差讨论](#discussion-of-biases)
- [其他已知局限](#other-known-limitations)
- [附加信息](#additional-information)
- [数据集维护者](#dataset-curators)
- [授权信息](#licensing-information)
- [引用信息](#citation-information)

## 数据集描述

- **主页:** https://github.com/BlackSamorez/ebanko
- **代码仓库:** [需补充更多信息]
- **相关论文:** [需补充更多信息]
- **排行榜:** [需补充更多信息]
- **联系人:** [需补充更多信息]

### 数据集摘要

从2ch.hk/b/板块挖掘的俄语对话数据集

### 支持任务与排行榜

[需补充更多信息]

### 使用语言

俄语

## 数据集结构

### 数据实例

{
"对话": ["很高兴收到你的消息！", "很好，谢谢！", "嗨，你好吗？"]
}

### 数据字段

- `对话`: 按回复时间倒序排列的帖子列表（最新回复位于列表首位）

### 数据划分

[需补充更多信息]

## 数据集构建

### 构建初衷

仅供娱乐

### 源数据

#### 初始数据收集与标准化处理

仅选取拥有单个父节点的顶点构建线程图，随后从中提取不重叠的对话线程。

#### 源语言内容生产者是谁？

2ch.hk/b/板块的用户

### 标注信息

#### 标注流程

[需补充更多信息]

#### 标注者是谁？

[需补充更多信息]

### 个人与敏感信息

[需补充更多信息]

## 数据集使用注意事项

### 数据集的社会影响

该数据集内容在道德层面存在争议

### 偏差讨论

[需补充更多信息]

### 其他已知局限

[需补充更多信息]

## 附加信息

### 数据集维护者

blacks_samorez

### 授权信息

[需补充更多信息]

### 引用信息

[需补充更多信息]

原始信息汇总

数据集概述

数据集基本信息

• 名称: 2ch_b_dialogues
• 语言: 俄语
• 许可证: 未指定
• 多语言性: 单语种
• 数据集大小: 10K<n<100K
• 数据来源: 原始数据
• 任务类别: 对话生成

数据集内容

• 摘要: 数据集包含从2ch.hk/b/挖掘的俄语对话。
• 数据实例结构:
  • 字段: 对话（list of posts ordered last-to-first）
  • 示例: {"dialogue": ["Glad to hear!", "Fine, thank you!", "Hi, how are you?"]}

数据集创建

• 采集与标准化: 仅选择具有单个父节点的顶点，构建非重叠的对话线程。
• 源语言生产者: 2ch.hk/b/用户
• 注释过程: 未指定
• 注释者: 未指定

使用数据集的考虑

• 社会影响: 道德上可疑的数据
• 偏见讨论: 未指定
• 其他已知限制: 未指定