LCCC 大型清洁汉语会话语料库

LCCC（全称为 Large-scale Cleaned Chinese Conversation corpus）由清华大学和三星中国研究院于 2020 年发布。

LCCC（全称为：大规模清洗中文对话语料库（Large-scale Cleaned Chinese Conversation corpus））由清华大学与三星中国研究院于2020年发布。

搜集汇总

背景与挑战

背景概述

LCCC大型清洁汉语会话语料库由清华大学和三星中国研究院于2020年发布，包含LCCC-base（680万个对话）和LCCC-large（1200万个对话）两部分。该数据集通过严格的数据过滤流程确保对话质量，旨在推动短文本对话建模的研究。