RiSAWOZ

为了缓解多领域数据的短缺并为面向任务的对话建模捕获话语现象，我们提出了 RiSAWOZ，这是一个具有丰富语义注释的大型多领域中文绿野仙踪数据集。 RiSAWOZ 包含 11.2K 人对人 (H2H) 多轮语义注释对话，超过 150K 话语跨越 12 个域，比以前所有带注释的 H2H 对话数据集都要大。单域对话和多域对话都构建，分别占65%和35%。每个对话都带有全面的对话注释，包括自然语言描述形式的对话目标、领域、对话状态以及用户和系统方面的行为。除了传统的对话注释外，我们还特别提供了对话中话语现象的语言注释，例如省略号和共指，这对于对话共指和省略号解析任务很有用。除了完全注释的数据集外，我们还详细描述了数据集的数据收集过程、统计和分析。报告了一系列基准模型和结果，包括自然语言理解（意图检测和槽填充）、对话状态跟踪和对话上下文到文本生成，以及共指和省略号解析，有助于未来研究的基线比较在这个语料库上。