mylesmharrison/cornell-movie-dialog

这是一个由Cristian Danescu-Niculescu-Mizil创建的Cornell电影对话语料库的简化版本。原始数据集包含10,292对电影角色之间的220,579次对话交换，涉及617部电影中的9,035个角色，总计304,713条话语。这个简化版本的数据集仅包含来自`movie_lines.txt`文件的角色标签和话语，每行一个话语，适合用于训练生成文本模型。

原始信息汇总

数据集概述

数据集名称

• 名称: cornell-movie-dialog

数据集来源

• 原始数据集: Cornell Movie Dialog Corpus
• 原始数据集链接: Cornell Movie Dialog Corpus

数据集内容

• 内容描述: 包含电影角色之间的对话，每个对话由一个语句组成，适合用于训练生成文本模型。
• 原始数据集内容: 包含220,579个对话交流，涉及10,292对电影角色，共9,035个角色，来自617部电影，总计304,713个语句。

数据集配置

• 配置名称: default
• 数据文件:
  • 分割: train
  • 路径: data/train-*

数据集特征

• 特征名称: text
• 数据类型: string

数据集分割

• 分割名称: train
• 字节数: 21,363,514
• 示例数量: 304,713

数据集大小

• 下载大小: 13,073,496
• 数据集大小: 21,363,514