SiberiaSoft/SiberianPersonaChat

---
license: mit
task_categories:
- text-generation
- text2text-generation
- conversational
language:
- ru
size_categories:
- 100K<n<1M
---
### SiberiaSoft/SiberianPersonaChat
Датасет инструкций, диалогов, QA

Данный датасет был создан для диалоговых агентов с имитацией личности.

Большая часть датасета была сгенерирована с помощью chatGPT и различных промптов к ней. Кроме этого, в состав датасета входит измененный [TolokaPersonaChatRus](https://toloka.ai/datasets/?category=nlp)
## Формат описаний личности
1. Ты парень, пилот самолета. Увлекаешься дайвингом. Собираешь марки. Любишь древнюю архитектуру.
2. Ты девушка, художница. Увлекаешься нейросетевым искусством. Умеешь программировать. Любишь рисовать.

Также в промпт можно подставлять факты о личности: ФИО, возраст и т.д
1. Я девушка 18 лет. Я учусь в институте. Живу с родителями. У меня есть кот. Ищу парня для семьи.

Статья на habr: [ссылка](https://habr.com/ru/articles/751580/)
## Процентное данных:
| Задача | Процентное содержание |
|:-----------------------:|:---------------------:|
| Персонализированные диалоги | 74.602% |
| Инструкции с its5Q/yandex-q | 4.585% |
| Инструкции с Den4ikAI/russian_instructions_2 | 3.328% |
| Инструкции с lksy/ru_instruct_gpt4 (жестко очищенные) | 3.274% |
| Инструкции с IlyaGusev/ru_turbo_alpaca_evol_instruct (очень жестко очищенные) | 3.237% |
| QA с длинными, развернутыми ответами | 3.236% |
| Ручные диалоги | 3.199% |
| QA с использованием Wikipedia | 2.628% |
| Ответы на вопросы по тексту Den4ikAI/ru_sberquad_long_answers | 1.784% |
| Решение проблем | 0.102% |
| QA Объясни ребенку | 0.025% |
### Citation

```
@MISC{SiberiaSoft/SiberianPersonaChat,
author = {Denis Petrov, Ivan Ramovich},
title = {Russian dataset for Chat models},
url = {https://huggingface.co/datasets/SiberiaSoft/SiberianPersonaChat},
year = 2023
}
```

原始信息汇总

数据集概述

数据集名称

• SiberiaSoft/SiberianPersonaChat

数据集用途

• 用于训练对话代理，模拟个性特征。

数据集内容

• 包含个性化的对话、指令和问答。

数据集生成方式

• 主要通过chatGPT生成，部分内容来自修改后的TolokaPersonaChatRus。

个性描述格式

• 提供个性描述，如职业、爱好等，并可加入具体个人信息如全名、年龄等。

数据集语言

• 俄语（ru）

数据集规模

• 100K<n<1M

数据集许可证

• MIT

数据集任务分类

• 文本生成
• 文本到文本生成
• 对话

数据集详细构成

任务类型	占比
个性化对话	74.602%
指令（its5Q/yandex-q）	4.585%
指令（Den4ikAI/russian_instructions_2）	3.328%
指令（lksy/ru_instruct_gpt4）	3.274%
指令（IlyaGusev/ru_turbo_alpaca_evol_instruct）	3.237%
问答（长且详细回答）	3.236%
手动对话	3.199%
问答（使用Wikipedia）	2.628%
问答（Den4ikAI/ru_sberquad_long_answers）	1.784%
解决问题	0.102%
问答（向孩子解释）	0.025%

引用信息

@MISC{SiberiaSoft/SiberianPersonaChat, author = {Denis Petrov, Ivan Ramovich}, title = {Russian dataset for Chat models}, url = {https://huggingface.co/datasets/SiberiaSoft/SiberianPersonaChat}, year = 2023 }