KddRES

KddRES是由香港中文大学发布的第一个粤语知识驱动餐饮对话数据集，包含832个对话，源自10家风格各异的香港餐厅。该数据集设计了细粒度的槽和意图，以更好地捕捉语义信息，适用于构建定制化对话系统，特别适合中小企业如餐厅使用。数据集通过模拟真实场景中的餐厅信息查询和预订，详细记录了用户和系统之间的交互，旨在解决现有数据集在特定领域信息处理上的不足。

KddRES is the first Cantonese knowledge-driven catering dialogue dataset released by The Chinese University of Hong Kong. It contains 832 dialogues sourced from 10 Hong Kong restaurants with distinct styles. This dataset is equipped with fine-grained slots and intents to better capture semantic information, making it applicable for building customized dialogue systems, especially for small and medium-sized enterprises (SMEs) such as restaurants. By simulating real-world scenarios of restaurant information inquiry and reservation, it records detailed interactions between users and systems, aiming to address the shortcomings of existing datasets in specific domain information processing.

搜集汇总

数据集介绍

构建方式

KddRES数据集的构建以真实场景为蓝本，选取香港10家风格迥异的代表性餐厅，从网络平台提取其信息并构建数据库。在此基础上，新增了如等待时间、桌型大小等细粒度槽位，以更精准地模拟现实对话。数据收集通过专门开发的网站进行，由两名工作者分别扮演用户和系统角色，依据系统生成的目标描述进行同步对话。用户侧包含任务描述、槽值框和对话框，系统侧则额外提供餐厅信息。每轮对话中，双方需在发送消息前标注对话动作与状态，随后由专家进行双重校验，确保数据质量。最终，经过筛选得到832个完整对话，并按600、116、116的比例划分为训练集、验证集和测试集。

特点

KddRES数据集的核心特点在于其细粒度和层次化的信息结构。与现有数据集相比，它引入了二级槽位概念，例如将“菜品”细分为“菜品名称”和“菜品价格”，从而支持更丰富的语义捕捉。数据统计显示，超过60%的对话包含二级槽位，体现了对现实场景的高保真模拟。此外，数据集的平均对话轮次达到9.6，高于CamRest676和DSTC2，表明其兼具深度与广度。20个槽位的设计覆盖了从基本信息到附加服务的多个维度，为自然语言理解任务带来了关系抽取与常识推理的新挑战，尤其适用于为中小企业打造定制化对话系统。

使用方法

KddRES数据集适用于任务导向型对话系统的自然语言理解（NLU）任务，包括意图分类和槽位填充。研究者可采用BiLSTM、BiLSTM-CRF、BERT及BERT-CRF等模型进行基准实验，以F1分数作为评估指标。数据集的层次化槽位结构要求模型能够处理多级语义关系，例如在识别菜品名称的同时关联其价格。此外，数据集支持端到端系统训练，可用于构建基于强化学习的用户模拟器。由于数据以粤语呈现，预训练模型如ERNIE需注意语料兼容性。公开的语料与基准代码便于复现，为后续对话状态跟踪与策略学习提供了扩展基础。

背景与挑战

背景概述

任务导向型对话系统在虚拟助手领域展现出巨大潜力，然而现有数据集如CrossWOZ与MultiWOZ虽涵盖多领域信息，却普遍缺乏对单一领域内细粒度语义的刻画，难以满足中小型企业构建定制化对话系统的需求。为此，香港中文大学王鸿儒等研究者于2020年发布了KddRES数据集，这是首个面向香港餐饮场景的粤语知识驱动对话语料库。该数据集基于10家风格迥异的本地餐厅构建，包含832组多轮对话，通过引入二级槽位（如菜品价格、营业时间细分）和丰富意图标注，精准捕捉真实场景中用户对餐厅信息（如等位时长、包厢规格）的复杂查询需求。KddRES不仅填补了粤语任务型对话数据的空白，其精细化的层级结构更推动了对话系统从“通才”向“专才”的转型，为中小企业的定制化智能客服提供了高价值基准。

当前挑战

KddRES在推动细粒度对话研究的同时，也暴露出多重挑战。其一，二级槽位的引入导致实体关系提取难度骤升，例如模型需从“豆腐芝士蛋糕31港元”中准确关联菜品名称与价格，这对传统序列标注模型构成严峻考验。其二，常识推理成为瓶颈，如用户询问“推荐菜”时，系统需推断用餐人数（如从“五人聚餐”中识别总人数为5而非3），而非依赖机械规则。其三，构建过程面临数据稀疏性问题：仅10家餐厅的832组对话难以覆盖香港餐饮的多样性，且粤语表达中夹杂的英文词汇（如“take out”）加剧了语义歧义。此外，现有预训练模型（如ERNIE）因未包含繁体中文语料，在粤语场景下性能显著下降，凸显了领域适配与跨语言迁移的深层困境。

常用场景

经典使用场景

KddRES数据集专为餐厅领域的任务型对话系统设计，其经典使用场景在于模拟香港真实餐厅咨询与预订的多轮对话过程。该数据集以粤语为载体，涵盖了10家风格各异的餐厅信息，并引入了细粒度的槽位和意图标注，如菜品价格、等位时间、分桌信息等二级槽位，从而精准捕捉用户对餐厅细节的查询需求。研究者可利用该数据集训练自然语言理解（NLU）模块，通过意图分类和槽填充任务，使对话系统能够理解用户复杂且层次化的请求，例如同时询问多道菜品的总价或根据人数推荐合适桌型，从而构建更贴近真实交互的定制化对话系统。

实际应用

在实际应用中，KddRES为中小型餐厅企业提供了构建专属对话系统的数据基础。通过该数据集训练的模型可部署于餐厅的在线客服或预订平台，自动处理用户的预订请求、菜品咨询、等位查询等常见任务。例如，系统能根据用户提供的就餐人数、时间及特殊需求（如停车或优惠），动态推荐合适桌型并计算等位时长，提升服务效率与用户体验。此外，该数据集支持多轮对话中的目标变更，如用户因无空位而调整预订时间，使系统具备灵活应对真实场景的能力，从而降低餐厅的人力运营成本，实现智能化客户服务。

衍生相关工作

KddRES衍生了一系列面向细粒度对话理解的研究工作。基于其层级槽位结构，研究者提出了改进的关系抽取模型，旨在从对话中自动识别二级槽位间的依赖关系，如菜品名称与价格的配对。此外，该数据集促进了基于常识推理的用户模拟器开发，用于评估对话策略的鲁棒性。在自然语言理解基准测试中，BERT和BiLSTM-CRF等经典模型被应用于该数据集，揭示了预训练模型在粤语及细粒度标注场景下的性能局限，从而推动了针对传统中文（粤语）的预训练语言模型优化。这些工作不仅提升了任务型对话系统的领域专精能力，也为跨领域对话系统的细粒度扩展提供了方法论参考。