ConvLab/tm3

Taskmaster-3（也称为TicketTalk）数据集包含23,789个电影票务对话。这些对话是通过自我对话方法创建的，即由单个众包工作者编写对话双方（客户和票务代理）的对话。为了涵盖广泛的对话场景和语言现象，工作者被赋予了开放性和高度结构化的对话任务。对话涉及从客户根据类型、位置、当前上映影片或已有想法决定电影的各种路径，还包括错误处理、澄清和其他常见的对话问题。数据集支持NLU、DST、Policy、NLG和E2E等任务，并且仅包含英语数据。数据分割包括训练集、验证集和测试集，分别包含18,997、2,380和2,380个对话。数据集的使用需要先安装ConvLab-3平台，并且提供了数据转换和预处理的具体步骤。

原始信息汇总

数据集概述

• 名称: Taskmaster-3 (TicketTalk)
• 语言: 英语
• 类别: 单一语言
• 许可证: CC BY 4.0
• 大小: 10K<n<100K
• 任务类别: 对话式

数据集详情

• 内容: 包含23,789个电影票务对话，涉及选择影院、时间、电影名称、票数和日期等决策过程。
• 创建方法: 使用“self-dialog”方法，即单个众包工作者同时为两个对话角色编写对话。
• 数据处理:
  • 移除空对话或仅包含一个说话者的对话。
  • 将对话随机分为训练、验证和测试集（比例为8:1:1）。
  • 合并同一说话者的连续发言。
  • 根据原始段落注释添加对话行为和意图注释。
  • 添加领域和意图描述。
  • 将api重命名为db_results。
  • 通过累积非分类对话行为来添加状态。

数据集结构

• 数据分割:

  分割	对话数	发言数	平均发言数	平均令牌数	平均领域数	分类槽匹配(状态)	分类槽匹配(目标)	分类槽匹配(对话行为)	非分类槽跨度(对话行为)
  训练	18997	380646	20.04	10.48	1	-	-	-	100
  验证	2380	47531	19.97	10.38	1	-	-	-	100
  测试	2380	48849	20.52	10.12	1	-	-	-	100
  全部	23757	477026	20.08	10.43	1	-	-	-	100

支持的任务

• NLU, DST, Policy, NLG, E2E

引用信息

@inproceedings{byrne-etal-2021-tickettalk, title = "{T}icket{T}alk: Toward human-level performance with end-to-end, transaction-based dialog systems", author = "Byrne, Bill and Krishnamoorthi, Karthik and Ganesh, Saravanan and Kale, Mihir", booktitle = "Proceedings of the 59th Annual Meeting of the Association for Computational Linguistics and the 11th International Joint Conference on Natural Language Processing (Volume 1: Long Papers)", month = aug, year = "2021", address = "Online", publisher = "Association for Computational Linguistics", url = "https://aclanthology.org/2021.acl-long.55", doi = "10.18653/v1/2021.acl-long.55", pages = "671--680", }

许可证信息

• CC BY 4.0