nayohan/conversation_chronicles

---
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: validation
path: data/validation-*
- split: test
path: data/test-*
dataset_info:
features:
- name: dataset
dtype: string
- name: data_id
dtype: string
- name: dialogue_id
dtype: int64
- name: session_id
dtype: int64
- name: relationship
dtype: string
- name: time_interval
dtype: string
- name: summarization
dtype: string
- name: dialogue
sequence: string
- name: speaker
sequence: string
splits:
- name: train
num_bytes: 66878033
num_examples: 40000
- name: validation
num_bytes: 8358511
num_examples: 5000
- name: test
num_bytes: 8375545
num_examples: 5000
download_size: 39941247
dataset_size: 83612089
---
# Dataset Card for "conversation_chronicles"

[More Information needed](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)

原始信息汇总

数据集概述

数据集配置

• 默认配置：
  • 训练集：路径为 data/train-*
  • 验证集：路径为 data/validation-*
  • 测试集：路径为 data/test-*

数据集信息

• 特征：

  • dataset：数据集名称，类型为 string
  • data_id：数据标识，类型为 string
  • dialogue_id：对话标识，类型为 int64
  • session_id：会话标识，类型为 int64
  • relationship：关系描述，类型为 string
  • time_interval：时间间隔，类型为 string
  • summarization：摘要，类型为 string
  • dialogue：对话内容，类型为 sequence 的 string
  • speaker：说话者，类型为 sequence 的 string

• 数据分割：

  • 训练集：
    • 字节数：66878033
    • 样本数：40000
  • 验证集：
    • 字节数：8358511
    • 样本数：5000
  • 测试集：
    • 字节数：8375545
    • 样本数：5000

• 数据集大小：

  • 下载大小：39941247 字节
  • 数据集大小：83612089 字节

搜集汇总

背景与挑战

背景概述

该数据集是一个多关系对话数据集，包含约5万行对话记录，涵盖同学、同事、邻居等多种人际关系，并标注了时间间隔和对话摘要。其特点在于以时间序列组织对话，适用于对话生成、关系建模和时间序列分析等自然语言处理任务。