facebook/curiosity_dialogs

Curiosity数据集包含14K个英语对话（181K条话语），用户和助手围绕地理主题（如地缘政治实体和位置）进行对话。该数据集标注了用户预先存在的知识、消息级别的对话行为、与维基百科的关联以及用户对消息的反应。数据集可用于训练对话好奇心模型，测试用户在与已知事实相关的对话中参与度增加的假设。

原始信息汇总

数据集概述

名称: Curiosity Dataset

语言: 英语（en）

许可证: CC-BY-NC-4.0

多语言性: 单语

大小: 10K<n<100K

源数据: 原始数据

任务类别: 文本生成、填充掩码

任务ID: 对话建模

论文代码ID: curiosity

标签: 会话好奇心

数据集结构

数据实例

数据集包含用户和助手之间的对话，以及对话的各个属性。

数据字段

• messages: 用户和助手之间的对话及其相关属性
  • dialog_acts: 对话中的行动列表
  • facts: 助手返回的事实列表
    • fid: 事实ID
    • source: 事实来源
    • used: 事实是否在同一对话中使用过
  • liked: 对话是否被喜欢的指示
  • message: 用户和助手之间的消息列表
  • message_id: 消息ID
  • sender: 消息作者ID
• known_entities: 用户已知实体的事实
• focus_entity: 对话中关注的实体
• dialog_id: 对话ID
• inferred_steps: 推断步骤数
• created_time: 对话创建时间
• aspects: 对话涉及的两个方面列表
• first_aspect: 第一个方面
• second_aspect: 第二个方面
• shuffle_facts: 事实是否被打乱
• related_entities: 与关注实体相关的十五个实体列表
• tag: 对话标签
• user_id: 用户ID
• assistant_id: 助手ID
• is_annotated: 是否已注释
• user_dialog_rating: 用户对话评分（1-5）
• user_other_agent_rating: 用户对其他代理的评分（1-5）
• assistant_dialog_rating: 助手对话评分（1-5）
• assistant_other_agent_rating: 助手对其他代理的评分（1-5）
• reported: 对话是否被报告为不适当
• annotated: 是否已注释

数据分割

• train: 10287个对话实例
• val: 1287个对话实例
• test: 1287个对话实例
• test_zero: 1187个对话实例