Kkordik/persona-based-chat-messages

该数据集是基于[nazlicanto/persona-based-chat](https://huggingface.co/datasets/nazlicanto/persona-based-chat)重新格式化的，原始数据集为[Synthetic Persona Chat](https://github.com/google-research-datasets/Synthetic-Persona-Chat/)。主要修改包括：1. 添加了`system`列，该列是重新格式化的`persona_b`，统一为一个字符串，将“I”、“my”等替换为“You”、“your”等，并修正了大小写使用（现在句点后使用大写字母）。2. 添加了`messages`列，该列是重新格式化的`dialogue`，以对话格式加上系统消息。3. 数据集被分割为训练集和测试集。

原始信息汇总

数据集概述

基本信息

• 语言: 英语
• 许可证: CC-BY-4.0
• 大小分类: 10K<n<100K
• 任务分类: 文本生成

数据集特征

• conv_id: 字符串类型
• persona_b: 字符串序列
• dialogue: 字符串序列
• reference: 字符串类型
• system: 字符串类型
• messages: 字符串类型

数据集分割

• 训练集:
  • 数据量: 156555268.5486042 字节
  • 样本数: 54563
• 测试集:
  • 数据量: 27628075.451395813 字节
  • 样本数: 9629

数据集大小

• 下载大小: 84787877 字节
• 数据集总大小: 184183344.0 字节

配置

• 默认配置:
  • 训练数据路径: data/train-*
  • 测试数据路径: data/test-*

标签

• persona
• 对话格式
• 角色聊天
• 合成角色聊天