chargoddard/rpguild

数据集是从roleplayerguild网站抓取的，包含对话历史和角色简介的提示。由于用户名可能与多个角色简介相关联，角色分配有些模糊。`char_confidence`特征反映了这种分配正确的可能性。并非所有对话历史中的帖子都有相关的角色名称，`has_nameless`列反映了这一点。数据集有多个配置选项，包括默认配置、高置信度配置、修剪配置和语法过滤配置，建议使用语法过滤配置以获得更高质量的数据。

This dataset was scraped from the roleplayerguild website, containing dialogue histories and prompts associated with character profiles. However, character assignment is ambiguous, as a single username may be associated with multiple character profiles. The `char_confidence` feature reflects the probability that the assigned character is correct. Not all posts within the dialogue histories have associated character names, and the `has_nameless` column reflects this scenario. The dataset offers multiple configuration options, including the default configuration, high-confidence configuration, pruning configuration, and grammar filtering configuration. The grammar filtering configuration is recommended for higher-quality data.

原始信息汇总

数据集概述

语言

• 英语

许可证

• CC BY-NC 4.0

数据集大小

• 100K<n<1M

任务类别

• 对话
• 文本生成

数据集配置

默认配置

• 特征:
  • username: string
  • char_name: string
  • bio: string
  • context: list
    • text: string
    • username: string
    • char_name: string
  • reply: string
  • has_nameless: bool
  • char_confidence: float64
• 分割:
  • train
    • num_bytes: 1921588254
    • num_examples: 140469
• 下载大小: 764073630
• 数据集大小: 1921588254

语法过滤配置

• 特征:
  • username: string
  • char_name: string
  • bio: string
  • context: list
    • char_name: string
    • text: string
    • username: string
  • reply: string
  • char_confidence: float64
• 分割:
  • train
    • num_bytes: 371438765
    • num_examples: 27053
• 下载大小: 166606326
• 数据集大小: 371438765

高置信度配置

• 特征:
  • username: string
  • char_name: string
  • bio: string
  • context: list
    • text: string
    • username: string
    • char_name: string
  • reply: string
  • has_nameless: bool
  • char_confidence: float64
• 分割:
  • train
    • num_bytes: 949419370.7676569
    • num_examples: 69403
• 下载大小: 386317057
• 数据集大小: 949419370.7676569

修剪配置

• 特征:
  • username: string
  • char_name: string
  • bio: string
  • context: list
    • text: string
    • username: string
    • char_name: string
  • reply: string
  • has_nameless: bool
  • char_confidence: float64
• 分割:
  • train
    • num_bytes: 782484734.2032762
    • num_examples: 57200
• 下载大小: 326987882
• 数据集大小: 782484734.2032762

配置文件

• 默认配置:
  • 数据文件:
    • 分割: train
    • 路径: data/train-*
• 语法过滤配置:
  • 数据文件:
    • 分割: train
    • 路径: grammar_filtered/train-*
• 高置信度配置:
  • 数据文件:
    • 分割: train
    • 路径: high_confidence/train-*
• 修剪配置:
  • 数据文件:
    • 分割: train
    • 路径: pruned/train-*

标签

• 角色扮演
• 不适合所有观众

搜集汇总

背景与挑战

背景概述

该数据集名为'chargoddard/rpguild'，是一个用于文本生成任务的英语角色扮演数据集，规模在10万到100万条之间，以parquet格式提供，并标记为'Not-For-All-Audiences'，可能包含敏感内容。其许可证为cc-by-nc-4.0，限制非商业使用。