microsoft/meta_woz
收藏资源简介：
MetaLWOz数据集是一个用于快速适应对话模型的多领域对话数据集。该数据集包含37,884个由众包人员在Wizard of Oz设置下记录的对话，其中一个用户被指示像机器人一样行为，另一个则是真实用户。这些对话涵盖了47个领域，共227个任务，每个对话至少有10轮。数据集支持生成对话建模和填充掩码任务，主要用于训练任务导向的对话模型，特别是在少量数据下快速模拟用户响应。数据集的语言为英语，分为训练集和测试集。
The MetaLWOz dataset is a multi-domain dialogue dataset intended for rapid adaptation of dialogue models. It comprises 37,884 dialogues recorded by crowdworkers under the Wizard of Oz setting, where one participant was instructed to act as a robot while the other was a real user. These dialogues span 47 domains and encompass 227 tasks, with each dialogue containing at least 10 conversational turns. The dataset supports dialogue generation modeling and masked token filling tasks, and is primarily used for training task-oriented dialogue models, especially for rapidly simulating user responses with limited training data. The dataset is in English and is split into training and test sets.
数据集卡片 for MetaLWOz
数据集描述
数据集摘要
MetaLWOz: 一个用于快速适应对话模型的多领域对话数据集。该数据集包含37,884个众包对话，涉及47个领域，共有227个任务。对话至少有10个回合。
支持的任务和排行榜
- 对话建模或
dialogue-modeling：用于训练任务导向的对话模型，特别是开发快速模拟用户响应的方法。
语言
数据集中的文本为英语（en）。
数据集结构
数据实例
一个数据实例是一个完整的多轮对话，涉及两个众包工作者，一个扮演bot角色，另一个扮演user角色。每个回合有一个单一的语句。
数据字段
每个对话实例包含以下字段：
id：对话的唯一ID。user_id：用户的唯一ID。bot_id：机器人的唯一ID。domain：领域的唯一ID。task_id：任务的唯一ID。turns：交替的bot和user的语句序列，从bot的提示开始。
每个任务实例包含以下字段：
task_id：任务的唯一ID。domain：领域的唯一ID。bot_prompt：机器人的任务说明。bot_role：机器人的领域导向角色。user_prompt：用户的任务说明。user_role：用户的领域导向角色。
数据分割
数据集分为train和test两部分，具体如下：
| 训练集 | 测试集 | 合计 | |
|---|---|---|---|
| 总领域数 | 47 | 4 | 51 |
| 总任务数 | 226 | 14 | 240 |
| 总对话数 | 37884 | 2319 | 40203 |
以下是数据集的各种统计信息：
| 统计量 | 平均值 | 最小值 | 最大值 |
|---|---|---|---|
| 每个领域的任务数 | 4.8 | 3 | 11 |
| 每个领域的对话数 | 806.0 | 288 | 1990 |
| 每个任务的对话数 | 167.6 | 32 | 285 |
| 每个对话的回合数 | 11.4 | 10 | 46 |
数据集创建
数据集信息
-
config_name: dialogues
- 特征：
id: 字符串类型user_id: 字符串类型bot_id: 字符串类型domain: 字符串类型task_id: 字符串类型turns: 字符串序列
- 分割：
train: 37884个样本，19999218字节test: 2319个样本，1284287字节
- 下载大小：8629863字节
- 数据集大小：21283505字节
- 特征：
-
config_name: tasks
- 特征：
task_id: 字符串类型domain: 字符串类型bot_prompt: 字符串类型bot_role: 字符串类型user_prompt: 字符串类型user_role: 字符串类型
- 分割：
train: 227个样本，73768字节test: 14个样本，4351字节
- 下载大小：8629863字节
- 数据集大小：78119字节
- 特征：
额外信息
数据集许可
数据集根据Microsoft Research Data License Agreement发布。
引用信息
版本1.0的引用信息如下：
@InProceedings{shalyminov2020fast, author = {Shalyminov, Igor and Sordoni, Alessandro and Atkinson, Adam and Schulz, Hannes}, title = {Fast Domain Adaptation For Goal-Oriented Dialogue Using A Hybrid Generative-Retrieval Transformer}, booktitle = {2020 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP)}, year = {2020}, month = {April}, url = {https://www.microsoft.com/en-us/research/publication/fast-domain-adaptation-for-goal-oriented-dialogue-using-a-hybrid-generative-retrieval-transformer/}, }
