microsoft/crd3|对话理解数据集|抽象摘要数据集

CRD3（Critical Role Dungeons and Dragons Dataset）数据集是从159集Critical Role节目中转录的文本对话，包含398,682个对话回合，并附有从Fandom wiki收集的摘要。Critical Role是一个无剧本的直播节目，固定的一群人玩《龙与地下城》这款开放式的角色扮演游戏。数据集在语言学上具有独特性，因为叙述完全通过玩家的协作和口头互动生成。每个对话都有大量的回合、多个不同详细程度的摘要，并与之前的对话有语义上的联系。数据集主要用于摘要生成、文本生成和对话建模等任务。

原始信息汇总

数据集概述

数据集名称

• 名称: CRD3 (Critical Role Dungeons and Dragons Dataset)

语言

• 语言: 英语

许可证

• 许可证: cc-by-sa-4.0

多语言性

• 多语言性: 单语种

源数据集

• 源数据集: 原始数据

任务类别

• 任务类别:
  • 摘要生成
  • 文本生成
  • 填充掩码

任务ID

• 任务ID: 对话建模

数据集大小

• 数据集大小: 10K<n<100K

数据集特征

• 特征:
  • chunk: 字符串类型
  • chunk_id: 整数类型 (int32)
  • turn_start: 整数类型 (int32)
  • turn_end: 整数类型 (int32)
  • alignment_score: 浮点数类型 (float32)
  • turns: 字典类型，包含以下序列:
    • names: 字符串序列
    • utterances: 字符串序列
    • number: 整数类型 (int32)

数据分割

• 分割:
  • train: 38,969 实例，236605152 字节
  • test: 7,500 实例，40269203 字节
  • validation: 6,327 实例，41543528 字节

下载和数据集大小

• 下载大小: 117519820 字节
• 数据集大小: 318417883 字节

数据集创建

• 源数据:
  • 来自 Critical Role 节目的159集，转录为文本对话。
  • 摘要来自 Critical Role Fandom wiki。

许可证信息

• 许可证: 创意共享 Attribution-ShareAlike 4.0 国际 (cc-by-sa-4.0)

引用信息

bibtex @inproceedings{ title = {Storytelling with Dialogue: A Critical Role Dungeons and Dragons Dataset}, author = {Rameshkumar, Revanth and Bailey, Peter}, year = {2020}, publisher = {Association for Computational Linguistics}, conference = {ACL} }