Undi95/ConversationChronicles-sharegpt-SHARDED

CC数据集是PocketDoc/ConversationChronicles-sharegpt数据集的分片版本，后者是jihyoung/ConversationChronicles数据集的ShareGPT转换版本。该数据集主要包含经过修复的对话内容，这些对话分布在不同的关系中，如同学、邻居、同事等。总对话数量约为200,000条，具体数量可能因清理和格式不同而有所变化。

原始信息汇总

数据集概述

数据集名称

• 名称: CC

数据集来源

• 原始数据集: jihyoung/ConversationChronicles
• 转换版本: PocketDoc/ConversationChronicles-sharegpt

数据集类型

• 类型: 对话数据集

语言

• 语言: 英语 (en)

任务类别

• 任务类别: 对话 (conversational)

数据集内容

• 关系类型及数量:
  • Classmates: 66,090 (33.05%)
  • Neighbors: 49,521 (24.76%)
  • Co-workers: 28,856 (14.43%)
  • Mentee and Mentor: 16,035 (8.02%)
  • Husband and Wife: 13,486 (6.74%)
  • Patient and Doctor: 6,980 (3.49%)
  • Parent and Child: 6,514 (3.26%)
  • Student and Teacher: 5,018 (2.51%)
  • Employee and Boss: 4,811 (2.41%)
  • Athlete and Coach: 2,689 (1.34%)
  • 总计: 200,000*

备注

• 数量说明: 数量可能因清洗和不同格式而有所变化。