benayas/massive_llm_v4

该数据集包含多个特征字段，如id、locale、partition、scenario、intent、utt、annot_utt、worker_id、slot_method、judgments、category和text。其中scenario和intent字段是分类标签，分别有18和60个类别。数据集分为train、validation和test三个部分，分别包含11514、2033和2974个样本。

原始信息汇总

数据集概述

数据集特征

• id: 字符串类型
• locale: 字符串类型
• partition: 字符串类型
• scenario: 分类标签类型，包含以下类别：
  • social
  • transport
  • calendar
  • play
  • news
  • datetime
  • recommendation
  • email
  • iot
  • general
  • audio
  • lists
  • qa
  • cooking
  • takeaway
  • music
  • alarm
  • weather
• intent: 分类标签类型，包含以下意图：
  • datetime_query
  • iot_hue_lightchange
  • transport_ticket
  • takeaway_query
  • qa_stock
  • general_greet
  • recommendation_events
  • music_dislikeness
  • iot_wemo_off
  • cooking_recipe
  • qa_currency
  • transport_traffic
  • general_quirky
  • weather_query
  • audio_volume_up
  • email_addcontact
  • takeaway_order
  • email_querycontact
  • iot_hue_lightup
  • recommendation_locations
  • play_audiobook
  • lists_createoradd
  • news_query
  • alarm_query
  • iot_wemo_on
  • general_joke
  • qa_definition
  • social_query
  • music_settings
  • audio_volume_other
  • calendar_remove
  • iot_hue_lightdim
  • calendar_query
  • email_sendemail
  • iot_cleaning
  • audio_volume_down
  • play_radio
  • cooking_query
  • datetime_convert
  • qa_maths
  • iot_hue_lightoff
  • iot_hue_lighton
  • transport_query
  • music_likeness
  • email_query
  • play_music
  • audio_volume_mute
  • social_post
  • alarm_set
  • qa_factoid
  • calendar_set
  • play_game
  • alarm_remove
  • lists_remove
  • transport_taxi
  • recommendation_movies
  • iot_coffee
  • music_query
  • play_podcasts
  • lists_query
• utt: 字符串类型
• annot_utt: 字符串类型
• worker_id: 字符串类型
• slot_method: 序列类型，包含以下子特征：
  • slot: 字符串类型
  • method: 字符串类型
• judgments: 序列类型，包含以下子特征：
  • worker_id: 字符串类型
  • intent_score: 8位整数类型
  • slots_score: 8位整数类型
  • grammar_score: 8位整数类型
  • spelling_score: 8位整数类型
  • language_identification: 字符串类型
• category: 字符串类型
• text: 字符串类型

数据集分割

• train: 包含11514个样本，占用17839343字节
• validation: 包含2033个样本，占用3144099字节
• test: 包含2974个样本，占用4598528字节

数据集大小

• 下载大小: 2975271字节
• 数据集大小: 25581970字节

配置

• default: 包含以下数据文件路径：
  • train: data/train-*
  • validation: data/validation-*
  • test: data/test-*