benayas/massive

该数据集包含多个特征，如id、locale、partition、scenario、intent、text、annot_utt、worker_id、slot_method、judgments和category。数据集分为训练集、验证集和测试集，分别包含11514、2033和2974个样本。数据集的总大小为3130879字节，下载大小为1029823字节。数据集的场景和意图类别非常丰富，涵盖了社交、交通、日历、播放、新闻、日期时间、推荐、电子邮件、物联网、通用、音频、列表、问答、烹饪、外卖、音乐、闹钟、天气等多个领域。

原始信息汇总

数据集概述

特征信息

• id: 数据类型为字符串。
• locale: 数据类型为字符串。
• partition: 数据类型为字符串。
• scenario: 数据类型为分类标签，包含以下类别：
  • 0: social
  • 1: transport
  • 2: calendar
  • 3: play
  • 4: news
  • 5: datetime
  • 6: recommendation
  • 7: email
  • 8: iot
  • 9: general
  • 10: audio
  • 11: lists
  • 12: qa
  • 13: cooking
  • 14: takeaway
  • 15: music
  • 16: alarm
  • 17: weather
• intent: 数据类型为分类标签，包含以下类别：
  • 0: datetime_query
  • 1: iot_hue_lightchange
  • 2: transport_ticket
  • 3: takeaway_query
  • 4: qa_stock
  • 5: general_greet
  • 6: recommendation_events
  • 7: music_dislikeness
  • 8: iot_wemo_off
  • 9: cooking_recipe
  • 10: qa_currency
  • 11: transport_traffic
  • 12: general_quirky
  • 13: weather_query
  • 14: audio_volume_up
  • 15: email_addcontact
  • 16: takeaway_order
  • 17: email_querycontact
  • 18: iot_hue_lightup
  • 19: recommendation_locations
  • 20: play_audiobook
  • 21: lists_createoradd
  • 22: news_query
  • 23: alarm_query
  • 24: iot_wemo_on
  • 25: general_joke
  • 26: qa_definition
  • 27: social_query
  • 28: music_settings
  • 29: audio_volume_other
  • 30: calendar_remove
  • 31: iot_hue_lightdim
  • 32: calendar_query
  • 33: email_sendemail
  • 34: iot_cleaning
  • 35: audio_volume_down
  • 36: play_radio
  • 37: cooking_query
  • 38: datetime_convert
  • 39: qa_maths
  • 40: iot_hue_lightoff
  • 41: iot_hue_lighton
  • 42: transport_query
  • 43: music_likeness
  • 44: email_query
  • 45: play_music
  • 46: audio_volume_mute
  • 47: social_post
  • 48: alarm_set
  • 49: qa_factoid
  • 50: calendar_set
  • 51: play_game
  • 52: alarm_remove
  • 53: lists_remove
  • 54: transport_taxi
  • 55: recommendation_movies
  • 56: iot_coffee
  • 57: music_query
  • 58: play_podcasts
  • 59: lists_query
• text: 数据类型为字符串。
• annot_utt: 数据类型为字符串。
• worker_id: 数据类型为字符串。
• slot_method: 数据类型为序列，包含以下字段：
  • slot: 数据类型为字符串。
  • method: 数据类型为字符串。
• judgments: 数据类型为序列，包含以下字段：
  • worker_id: 数据类型为字符串。
  • intent_score: 数据类型为8位整数。
  • slots_score: 数据类型为8位整数。
  • grammar_score: 数据类型为8位整数。
  • spelling_score: 数据类型为8位整数。
  • language_identification: 数据类型为字符串。
• category: 数据类型为字符串。

数据分割

• train: 包含11514个样本，占用2190824字节。
• validation: 包含2033个样本，占用381745字节。
• test: 包含2974个样本，占用558310字节。

数据集大小

• 下载大小: 1029823字节。
• 数据集大小: 3130879字节。

配置信息

• config_name: default
  • data_files:
    • train: 路径为data/train-*。
    • validation: 路径为data/validation-*。
    • test: 路径为data/test-*。