PolyAI/woz_dialogue

Wizard-of-Oz数据集是一个多语言的文本生成和分类数据集，支持德语、英语和意大利语。该数据集包含对话建模、多类分类和解析等任务，适用于文本生成、填空、令牌分类和文本分类等任务。数据集规模介于1K到10K之间，由众包方式创建，包括训练、验证和测试集，每个语言配置都有详细的特征描述和数据分割信息。

原始信息汇总

数据集概述

名称: Wizard-of-Oz

语言: 德语 (de), 英语 (en), 意大利语 (it)

许可证: 未知

多语言性: 单语

大小: 1K<n<10K

源数据: 原始数据

任务类别: 文本生成, 填充掩码, 令牌分类, 文本分类

任务ID: 对话建模, 多类分类, 解析

数据集结构

特征

• dialogue_idx: 数据类型为int32
• dialogue: 包含多个子特征
  • turn_label: 序列类型为字符串
  • asr: 序列类型为字符串
  • system_transcript: 数据类型为字符串
  • turn_idx: 数据类型为int32
  • belief_state: 包含两个子特征
    • slots: 序列类型为字符串
    • act: 数据类型为字符串
  • transcript: 数据类型为字符串
  • system_acts: 序列类型为字符串

数据分割

• train: 600个样本, 827189字节
• validation: 200个样本, 265684字节
• test: 400个样本, 537557字节

配置名称

• de
• de_en
• en
• it
• it_en