google-research-datasets/taskmaster1

Taskmaster-1是一个目标导向的对话数据集，包含13,215个任务导向的对话，涵盖六个领域。数据集的创建采用了两种方法：一种是两人对话的Wizard of Oz方法，另一种是单人自对话方法。数据集主要用于文本生成和填空任务，语言为英语，许可证为CC-BY-4.0。数据集包含两种配置：one_person_dialogs和woz_dialogs，分别对应不同的对话生成方式。

原始信息汇总

数据集概述

数据集基本信息

• 数据集名称: Taskmaster-1
• 语言: 英语
• 许可证: CC BY 4.0
• 数据集大小: 1K<n<10K
• 多语言性: 单语种
• 任务类别: 文本生成、填充掩码、对话建模
• 数据来源: 原始数据
• 数据集创建者: 众包

数据集结构

配置信息

one_person_dialogs

• 特征:

  • conversation_id: 字符串类型，对话的唯一标识符。
  • instruction_id: 字符串类型，对话指令的标识符。
  • utterances: 列表类型，包含以下子特征：
    • index: 整数类型，表示话语的顺序。
    • speaker: 字符串类型，表示发言者（USER 或 ASSISTANT）。
    • text: 字符串类型，话语的文本内容。
    • segments: 列表类型，包含以下子特征：
      • start_index: 整数类型，标注的起始位置。
      • end_index: 整数类型，标注的结束位置。
      • text: 字符串类型，被标注的文本。
      • annotations: 列表类型，包含以下子特征：
        • name: 字符串类型，标注的名称。

• 数据分割:

  • train: 6168 个实例
  • validation: 770 个实例
  • test: 770 个实例

woz_dialogs

• 特征:

  • conversation_id: 字符串类型，对话的唯一标识符。
  • instruction_id: 字符串类型，对话指令的标识符。
  • utterances: 列表类型，包含以下子特征：
    • index: 整数类型，表示话语的顺序。
    • speaker: 字符串类型，表示发言者（USER 或 ASSISTANT）。
    • text: 字符串类型，话语的文本内容。
    • segments: 列表类型，包含以下子特征：
      • start_index: 整数类型，标注的起始位置。
      • end_index: 整数类型，标注的结束位置。
      • text: 字符串类型，被标注的文本。
      • annotations: 列表类型，包含以下子特征：
        • name: 字符串类型，标注的名称。

• 数据分割:

  • train: 5507 个实例

数据集创建

• 数据集创建者: 众包
• 许可证: Creative Commons Attribution 4.0 License