banking-intent-dataset
收藏资源简介：
多语言银行意图数据集是一个专为银行聊天机器人系统设计的自定义多语言意图分类数据集，支持英语、孟加拉语（孟加拉文）和Banglish（罗马化孟加拉语），并包含少量混合代码示例。该数据集旨在训练生产级的多语言银行意图分类器，具有强大的域外回退检测能力。数据集包含134,412个原始样本，其中训练样本114,218个，测试样本20,194个。数据集在三种主要语言之间保持平衡分布，支持14种意图标签，包括账户信息、ATM支持、卡片问题、卡片管理、卡片更换、查询余额、编辑个人资料、转账失败、回退、费用、问候、丢失或被盗卡片、迷你账单和转账。数据集结构包括用户查询文本、意图标签和语言标签三列。数据生成方法包括通过大型语言模型合成生成、手动意图定义和控制、硬负采样、对抗性回退增强、多语言翻译和规范化、分层分割和加权平衡。数据集适用于多语言银行聊天机器人、意图路由系统、金融对话AI和印度语言NLP研究，但不适用于情感分析、命名实体识别、欺诈检测或一般对话AI。数据集完全合成和匿名化，不包含真实用户数据，并设计为最小化不安全的金融操作路由。
The Multilingual Banking Intent Dataset is a custom multilingual intent classification dataset specifically developed for banking chatbot systems. It supports English, Bengali (Bangla script), and Banglish (Romanized Bengali), and includes a small number of code-mixed examples. This dataset is designed for training production-grade multilingual banking intent classifiers with robust out-of-scope fallback detection capabilities. The dataset contains 134,412 original samples, with 114,218 training samples and 20,194 test samples. It maintains a balanced distribution across the three primary languages and covers 14 intent labels, including Account Information, ATM Support, Card Issues, Card Management, Card Replacement, Balance Inquiry, Profile Editing, Transfer Failure, Fallback, Fees, Greetings, Lost or Stolen Card, Mini Statement, and Transfer. The dataset structure consists of three columns: user query text, intent label, and language label. The data generation methods include synthetic generation via Large Language Models, manual intent definition and control, Hard Negative Sampling, Adversarial Fallback Augmentation, Multilingual Translation and Normalization, as well as Hierarchical Splitting and Weighted Balancing. This dataset is applicable for multilingual banking chatbots, intent routing systems, financial conversational AI, and Indian language NLP research, but is not suitable for sentiment analysis, named entity recognition, fraud detection, or general conversational AI. The dataset is fully synthetic and anonymized, contains no real user data, and is engineered to minimize the routing of insecure financial transactions.
数据集概述
基本信息
- 数据集名称: Multilingual Banking Intent Dataset
- 托管地址: https://huggingface.co/datasets/learn-abc/banking-intent-dataset
- 主要任务: 文本分类（意图分类）
- 领域: 银行与客户支持
- 许可证: MIT License
语言与规模
- 支持语言: 英语（en）、孟加拉语（bn）、拉丁化孟加拉语（bn-latn/Banglish），以及少量混合代码（code-mixed）示例。
- 总样本量: 134,412 个原始样本。
- 增强后训练样本: 114,218 个。
- 测试样本: 20,194 个。
- 规模分类: 100K < n < 1M。
- 语言分布: 英语、孟加拉语、拉丁化孟加拉语各 33,657 个样本，混合代码样本 500 个，保持平衡。
数据集结构
- 特征列:
text(string): 用户查询文本。custom_intent(string): 意图标签。language(string): 语言标签 (en,bn,bn-latn,code-mixed)。label(int64): 意图对应的数字标签。
- 数据分割:
train: 114,218 个示例，15,191,964 字节。test: 20,194 个示例，2,776,925 字节。
- 下载大小: 3,977,001 字节。
- 数据集大小: 17,968,889 字节。
意图分类
- 标签数量: 14 个。
- 标签列表: ACCOUNT_INFO ATM_SUPPORT CARD_ISSUE CARD_MANAGEMENT CARD_REPLACEMENT CHECK_BALANCE EDIT_PERSONAL_DETAILS FAILED_TRANSFER FALLBACK FEES GREETING LOST_OR_STOLEN_CARD MINI_STATEMENT TRANSFER
- 意图分布: FALLBACK 类占比最高（9.44%），旨在增强生产环境安全性。所有意图分布均衡。
数据生成与方法论
- 构建方法:
- 使用大语言模型进行合成生成。
- 手动定义和控制意图。
- 硬负采样。
- 对抗性回退（FALLBACK）丰富。
- 多语言翻译和规范化。
- 分层分割。
- 加权平衡。
- 特别关注点:
- 避免关键词泄露。
- 防止跨意图模糊性。
- 加强 FALLBACK 安全覆盖。
- 包含对话式、简短、冗长、正式、非正式及带有拼写错误的查询。
预期用途
- 训练多语言银行聊天机器人。
- 意图路由系统。
- 金融对话式人工智能。
- 印度语言 NLP 研究。
- 多语言文本分类基准测试。
非预期用途
- 不适用于：
- 情感分析。
- 命名实体识别。
- 欺诈检测。
- 通用对话式人工智能。
- 不适用于法律或财务咨询决策。
优势与局限
- 优势:
- 平衡的多语言覆盖。
- 面向生产的回退处理。
- 富含硬负样本。
- 对抗鲁棒性。
- 银行领域特定。
- 局限性:
- 可能存在合成数据偏差。
- 混合代码示例相较于核心语言有限。
- 不包含多轮对话上下文。
- 对于极其简短模糊的查询，性能可能有所差异。
伦理考量
- 数据集不包含任何个人用户数据。
- 无真实客户信息。
- 完全合成且匿名化。
- 旨在最小化不安全的金融操作路由。
评估基准
- 使用 MuRIL Base 模型在此数据集上训练后达到：
- 准确率: 99.36%
- 宏观 F1 分数: 99.21%
- 强大的多语言泛化能力。
- 鲁棒的回退检测。
来源与引用
- 数据来源:
- 原始来源：Banking77 数据集 (PolyAI)（最终数据集中忽略了一些意图）。
- 合成与多语言部分：为重要意图（包括 FALLBACK、GREETING 及代表性不足的意图）生成新示例，添加到 banking77 数据中，然后翻译成孟加拉语和拉丁化孟加拉语。
- 引用格式: bibtex @dataset{banking_intent_2026, title={Banking Intent Classification Dataset}, author={Abhishek Singh}, year={2026}, publisher={Hugging Face}, url={https://huggingface.co/datasets/learn-abc/banking-intent-dataset} }
联系信息
- 作者: Abhishek Singh
- GitHub: https://github.com/SinghIsWriting/
- LinkedIn: https://www.linkedin.com/in/abhishek-singh-bba2662a9
- 个人作品集: https://me.devhome.me/
