shanya/crd3

CRD3数据集，又称关键角色龙与地下城数据集，包含了159集Critical Role节目的转录对话，总计398,682个对话回合。该数据集还包含了来自Fandom wiki的相应摘要。数据集语言独特，完全通过玩家合作和口头互动生成叙述。每个对话包含大量回合、多个抽象摘要以及与先前对话的语义联系。该数据集适用于摘要、文本生成和填充掩码等任务，特别适用于对话建模。

原始信息汇总

数据集概述

数据集名称

• pretty_name: CRD3 (Critical Role Dungeons and Dragons Dataset)

语言和许可证

• language: en
• license: cc-by-sa-4.0

数据集来源和任务

• source_datasets: original
• task_categories: summarization, text-generation, fill-mask
• task_ids: dialogue-modeling

数据集大小

• size_categories: 10K<n<100K

数据集描述

数据集总结

• 内容: 包含159集Critical Role节目的文本对话，总计398,682个对话轮次，以及从Fandom wiki收集的相应摘要。
• 特点: 通过玩家协作和口头互动生成的叙事，每个对话包含大量轮次和多个摘要。

支持的任务和评估

• 任务: 抽象摘要
• 评估: 使用fast abstractive summarization-RL模型，ROUGE-L-F1得分为25.18。

语言

• 语言: 英语

数据集结构

数据实例

• 示例: 包含对话轮次、发言者名称和发言内容等。

数据字段

• 字段: chunk, chunk_id, turn_start, turn_end, alignment_score, turn_num, turns (包含names和utterances)

数据分割

• 分割: train (26,232), validation (3,470), test (4,541)

数据集创建

数据收集和标准化

• 来源: 从Critical Role节目收集，包含159集的转录文本。
• 摘要来源: 从Critical Role Fandom wiki收集。

语言生产者

• 生产者: Critical Role节目的演员。

许可证和引用信息

许可证

• 许可证: Creative Commons Attribution-ShareAlike 4.0 International License

引用信息

• 引用格式:

@inproceedings{ title = {Storytelling with Dialogue: A Critical Role Dungeons and Dragons Dataset}, author = {Rameshkumar, Revanth and Bailey, Peter}, year = {2020}, publisher = {Association for Computational Linguistics}, conference = {ACL} }