Coldog2333/dialseg711

---
license: mit
language:
- en
tags:
- dialogue segmentation
size_categories:
- n<1K
---

# Dataset Card for SuperDialseg

## Table of Contents
- [Table of Contents](#table-of-contents)
- [Dataset Description](#dataset-description)
- [Dataset Summary](#dataset-summary)
- [Supported Tasks and Leaderboards](#supported-tasks-and-leaderboards)
- [Languages](#languages)
- [Dataset Structure](#dataset-structure)
- [Data Instances](#data-instances)
- [Data Fields](#data-fields)
- [Data Splits](#data-splits)
- [Dataset Creation](#dataset-creation)
- [Curation Rationale](#curation-rationale)
- [Source Data](#source-data)
- [Annotations](#annotations)
- [Personal and Sensitive Information](#personal-and-sensitive-information)
- [Considerations for Using the Data](#considerations-for-using-the-data)
- [Social Impact of Dataset](#social-impact-of-dataset)
- [Discussion of Biases](#discussion-of-biases)
- [Other Known Limitations](#other-known-limitations)
- [Additional Information](#additional-information)
- [Dataset Curators](#dataset-curators)
- [Licensing Information](#licensing-information)
- [Citation Information](#citation-information)
- [Contributions](#contributions)

## Dataset Description

- **Homepage:** [https://github.com/xyease/TADAM](https://github.com/xyease/TADAM)
- **Repository:** [https://github.com/xyease/TADAM](https://github.com/xyease/TADAM)
- **Paper:** Topic-aware multi-turn dialogue modeling
- **Leaderboard:**
- **Point of Contact:** [e-mail]

### Dataset Summary

[More Information Needed]

### Supported Tasks and Leaderboards

[More Information Needed]

### Languages: English

## Dataset Structure

### Data Instances

```
{
"dial_data": {
"dialseg711": [
{
"dial_id": "dialseg711_dial_000",
"turns": [
{
"da": "",
"role": "user",
"turn_id": 0,
"utterance": "check the weather for the 7 day forecast",
"topic_id": 0,
"segmentation_label": 0
},
...
{
"da": "",
"role": "agent",
"turn_id": 23,
"utterance": "Reminder set for your meeting at 11am on the 13th with management to discuss your company picnic. Is there anything else?",
"topic_id": 4,
"segmentation_label": 1
}
],
...
}
]
}
```

### Data Fields

#### Dialogue-Level
+ `dial_id`: ID of a dialogue;
+ `turns`: All utterances of a dialogue.
#### Utterance-Level
+ `da`: Dialogue Act annotation derived from the original DGDS dataset;
+ `role`: Role annotation derived from the original DGDS dataset;
+ `turn_id`: ID of an utterance;
+ `utterance`: Text of the utterance;
+ `topic_id`: ID (order) of the current topic;
+ `segmentation_label`: 1: it is the end of a topic; 0: others.

### Data Splits

Test only

## Dataset Creation

### Curation Rationale

[More Information Needed]

### Source Data

#### Initial Data Collection and Normalization

[More Information Needed]

#### Who are the source language producers?

[More Information Needed]

### Annotations

#### Annotation process

[More Information Needed]

#### Who are the annotators?

[More Information Needed]

### Personal and Sensitive Information

[More Information Needed]

## Considerations for Using the Data

### Social Impact of Dataset

[More Information Needed]

### Discussion of Biases

[More Information Needed]

### Other Known Limitations

[More Information Needed]

## Additional Information

### Dataset Curators

[More Information Needed]

### Licensing Information

MIT License

### Citation Information

@article{xu2020topic,
title={Topic-aware multi-turn dialogue modeling},
author={Xu, Yi and Zhao, Hai and Zhang, Zhuosheng},
journal={arXiv preprint arXiv:2009.12539},
year={2020}
}

### Contributions

+ Thanks to [@xyease](https://github.com/xyease) for constructing this dataset.
+ Thanks to [@Coldog2333](https://github.com/Coldog2333) for adding this dataset.

---
许可证：MIT许可证
语言：
- 英语
标签：
- 对话分割（dialogue segmentation）
样本量类别：
- 样本量少于1000
---

# SuperDialseg 数据集卡片

## 目录
- [目录](#目录)
- [数据集概述](#数据集概述)
- [数据集摘要](#数据集摘要)
- [支持任务与排行榜](#支持任务与排行榜)
- [语言](#语言)
- [数据集结构](#数据集结构)
- [数据实例](#数据实例)
- [数据字段](#数据字段)
- [数据划分](#数据划分)
- [数据集构建](#数据集构建)
- [构建依据](#构建依据)
- [源数据](#源数据)
- [标注](#标注)
- [个人与敏感信息](#个人与敏感信息)
- [数据集使用注意事项](#数据集使用注意事项)
- [数据集的社会影响](#数据集的社会影响)
- [偏倚讨论](#偏倚讨论)
- [其他已知局限性](#其他已知局限性)
- [附加信息](#附加信息)
- [数据集维护者](#数据集维护者)
- [许可证信息](#许可证信息)
- [引用信息](#引用信息)
- [致谢贡献](#致谢贡献)

## 数据集概述

- **主页：** [https://github.com/xyease/TADAM](https://github.com/xyease/TADAM)
- **代码仓库：** [https://github.com/xyease/TADAM](https://github.com/xyease/TADAM)
- **相关论文：** 《主题感知多轮对话建模》
- **排行榜：**
- **联系人：** [e-mail]

### 数据集摘要
【更多信息待补充】

### 支持任务与排行榜
【更多信息待补充】

### 语言：英语

## 数据集结构

### 数据实例

{
"dial_data": {
"dialseg711": [
{
"dial_id": "dialseg711_dial_000",
"turns": [
{
"da": "",
"role": "user",
"turn_id": 0,
"utterance": "check the weather for the 7 day forecast",
"topic_id": 0,
"segmentation_label": 0
},
...
{
"da": "",
"role": "agent",
"turn_id": 23,
"utterance": "Reminder set for your meeting at 11am on the 13th with management to discuss your company picnic. Is there anything else?",
"topic_id": 4,
"segmentation_label": 1
}
],
...
}
]
}
}

### 数据字段

#### 对话层级
+ `dial_id`: 对话的唯一标识符；
+ `turns`: 单条对话的所有话语轮次。
#### 话语层级
+ `da`: 源自原始DGDS数据集的对话行为（Dialogue Act）标注；
+ `role`: 源自原始DGDS数据集的对话角色标注；
+ `turn_id`: 单条话语的唯一标识符；
+ `utterance`: 话语文本内容；
+ `topic_id`: 当前话题的ID（即序号）；
+ `segmentation_label`: 分割标签：1 表示当前为话题结束位置，0 表示其余情况。

### 数据划分
仅测试集

## 数据集构建

### 构建依据
【更多信息待补充】

### 源数据
#### 初始数据收集与标准化
【更多信息待补充】

#### 源语言生产者是谁？
【更多信息待补充】

### 标注
#### 标注流程
【更多信息待补充】

#### 标注人员是谁？
【更多信息待补充】

### 个人与敏感信息
【更多信息待补充】

## 数据集使用注意事项

### 数据集的社会影响
【更多信息待补充】

### 偏倚讨论
【更多信息待补充】

### 其他已知局限性
【更多信息待补充】

## 附加信息

### 数据集维护者
【更多信息待补充】

### 许可证信息
MIT许可证

### 引用信息
bibtex
@article{xu2020topic,
title={主题感知多轮对话建模},
author={Xu, Yi and Zhao, Hai and Zhang, Zhuosheng},
journal={arXiv预印本 arXiv:2009.12539},
year={2020}
}

### 致谢贡献
+ 感谢 [@xyease](https://github.com/xyease) 构建本数据集。
+ 感谢 [@Coldog2333](https://github.com/Coldog2333) 提交本数据集。

原始信息汇总

数据集卡片 for SuperDialseg

数据集描述

数据集摘要

[更多信息需要]

支持的任务和排行榜

[更多信息需要]

语言：英语

数据集结构

数据实例

json { "dial_data": { "dialseg711": [ { "dial_id": "dialseg711_dial_000", "turns": [ { "da": "", "role": "user", "turn_id": 0, "utterance": "check the weather for the 7 day forecast", "topic_id": 0, "segmentation_label": 0 }, ... { "da": "", "role": "agent", "turn_id": 23, "utterance": "Reminder set for your meeting at 11am on the 13th with management to discuss your company picnic. Is there anything else?", "topic_id": 4, "segmentation_label": 1 } ] } ] } }

数据字段

对话级别

• dial_id: 对话的ID；
• turns: 对话的所有话语。

话语级别

• da: 从原始DGDS数据集派生的对话行为注释；
• role: 从原始DGDS数据集派生的角色注释；
• turn_id: 话语的ID；
• utterance: 话语的文本；
• topic_id: 当前话题的ID（顺序）；
• segmentation_label: 1: 是话题的结束；0: 其他。

数据分割

仅测试

数据集创建

策划理由

[更多信息需要]

源数据

初始数据收集和规范化

[更多信息需要]

源语言生产者是谁？

[更多信息需要]

注释

注释过程

[更多信息需要]

注释者是谁？

[更多信息需要]

个人和敏感信息

[更多信息需要]

使用数据时的考虑

数据集的社会影响

[更多信息需要]

偏见的讨论

[更多信息需要]

其他已知限制

[更多信息需要]

附加信息

数据集策展人

[更多信息需要]

许可信息

MIT许可证

引用信息

plaintext @article{xu2020topic, title={Topic-aware multi-turn dialogue modeling}, author={Xu, Yi and Zhao, Hai and Zhang, Zhuosheng}, journal={arXiv preprint arXiv:2009.12539}, year={2020} }

贡献

• 感谢@xyease 构建此数据集。
• 感谢@Coldog2333 添加此数据集。

搜集汇总

背景与挑战

背景概述

dialseg711是一个英文对话分割数据集，包含711条多轮对话数据，每条对话标注了话题分割标签和对话行为等信息，适用于对话分割和话题建模研究。数据集基于DGDS数据集构建，采用MIT许可证发布。