V1rtucious/Ecom-Chatbot-Finetuning-Dataset

---
license: apache-2.0
language:
- en
tags:
- e-commerce
- chatbot
- customer-support
- conversational
- fine-tuning
configs:
- config_name: default
data_files:
- split: amazon_reviews
path: data/amazon_reviews-*
- split: amazon_meta
path: data/amazon_meta-*
- split: asos
path: data/asos-*
- split: bitext_retail
path: data/bitext_retail-*
- split: bitext_customer
path: data/bitext_customer-*
- split: synthetic_train
path: data/synthetic_train-*
- split: synthetic_test
path: data/synthetic_test-*
dataset_info:
features:
- name: id
dtype: string
- name: source
dtype: string
- name: group
dtype: string
- name: system
dtype: string
- name: prompt
dtype: string
- name: response_type
dtype: string
- name: response
dtype: string
- name: language
dtype: string
- name: locale
dtype: string
- name: annotator
dtype: string
- name: domain
dtype: string
- name: intent_category
dtype: string
- name: intent
dtype: string
- name: sub_intent
dtype: string
- name: capability
dtype: string
- name: test_tier
dtype: string
- name: history
dtype: string
- name: context
dtype: string
- name: tools
dtype: string
- name: difficulty
dtype: int32
- name: quality_score
dtype: float32
splits:
- name: amazon_reviews
num_bytes: 30820225
num_examples: 23100
- name: amazon_meta
num_bytes: 12521068
num_examples: 5000
- name: asos
num_bytes: 4710702
num_examples: 2000
- name: bitext_retail
num_bytes: 5297710
num_examples: 4998
- name: bitext_customer
num_bytes: 4843246
num_examples: 5000
- name: synthetic_train
num_bytes: 9149948
num_examples: 9000
- name: synthetic_test
num_bytes: 1209007
num_examples: 1000
download_size: 22413441
dataset_size: 68551906
---

# Ecom Chatbot Fine-Tuning Dataset

A unified e-commerce chatbot fine-tuning dataset combining 5 source datasets (40,098 examples total), covering product discovery, order management, customer support, returns, and more.

## Splits

| Split | Source | Examples |
|---|---|---|
| `amazon_meta` | Amazon product metadata | 5,000 |
| `amazon_reviews` | Amazon product reviews | 23,100 |
| `asos_ecom_dataset` | ASOS fashion e-commerce | 2,000 |
| `bitext_customer_support` | Bitext customer support (placeholder-free) | 5,000 |
| `bitext_retail_ecom` | Bitext retail e-commerce (placeholder-free) | 4,998 |

## Schema

Each entry contains:

- `id` — unique identifier
- `source` — originating dataset
- `group` — train/test group (A/B)
- `difficulty` — task difficulty (1–3)
- `system` — system prompt for the assistant
- `history` — prior conversation turns (JSON string)
- `prompt` — user message
- `context` — retrieved docs, cart state, order details (JSON string)
- `tools` — available function tools (JSON string)
- `response_type` — `text` or `tool_call`
- `response` — expected assistant response
- `language` / `locale` — language metadata
- `annotator` — annotation source
- `quality_score` — annotation quality (0–1)
- `domain` — e-commerce domain
- `intent_category` / `intent` / `sub_intent` — intent labels

许可证：Apache-2.0
语言：
- 英语
标签：
- 电子商务
- 聊天机器人（chatbot）
- 客户支持
- 会话式
- 微调（fine-tuning）
配置项：
- 配置名称：default
数据文件：
- 拆分集：amazon_reviews，路径：data/amazon_reviews-*
- 拆分集：amazon_meta，路径：data/amazon_meta-*
- 拆分集：asos，路径：data/asos-*
- 拆分集：bitext_retail，路径：data/bitext_retail-*
- 拆分集：bitext_customer，路径：data/bitext_customer-*
- 拆分集：synthetic_train，路径：data/synthetic_train-*
- 拆分集：synthetic_test，路径：data/synthetic_test-*
数据集信息：
特征字段：
- 名称：id，数据类型：字符串
- 名称：source，数据类型：字符串
- 名称：group，数据类型：字符串
- 名称：system，数据类型：字符串
- 名称：prompt，数据类型：字符串
- 名称：response_type，数据类型：字符串
- 名称：response，数据类型：字符串
- 名称：language，数据类型：字符串
- 名称：locale，数据类型：字符串
- 名称：annotator，数据类型：字符串
- 名称：domain，数据类型：字符串
- 名称：intent_category，数据类型：字符串
- 名称：intent，数据类型：字符串
- 名称：sub_intent，数据类型：字符串
- 名称：capability，数据类型：字符串
- 名称：test_tier，数据类型：字符串
- 名称：history，数据类型：字符串
- 名称：context，数据类型：字符串
- 名称：tools，数据类型：字符串
- 名称：difficulty，数据类型：32位整型
- 名称：quality_score，数据类型：32位浮点型
拆分集详情：
- 拆分集名称：amazon_reviews，字节数：30820225，样本数：23100
- 拆分集名称：amazon_meta，字节数：12521068，样本数：5000
- 拆分集名称：asos，字节数：4710702，样本数：2000
- 拆分集名称：bitext_retail，字节数：5297710，样本数：4998
- 拆分集名称：bitext_customer，字节数：4843246，样本数：5000
- 拆分集名称：synthetic_train，字节数：9149948，样本数：9000
- 拆分集名称：synthetic_test，字节数：1209007，样本数：1000
下载大小：22413441，数据集总大小：68551906

# 电子商务聊天机器人（chatbot）微调（fine-tuning）数据集
本数据集为统一的电商聊天机器人微调数据集，整合了5个源数据集，总计40098条样本，覆盖商品发现、订单管理、客户支持、退换货等多个业务场景。

## 拆分集详情
| 拆分集名称 | 数据源 | 样本数量 |
|---|---|---|
| `amazon_meta` | 亚马逊商品元数据 | 5,000 |
| `amazon_reviews` | 亚马逊商品评论 | 23,100 |
| `asos_ecom_dataset` | ASOS时尚电商 | 2,000 |
| `bitext_customer_support` | Bitext客户支持（无占位符） | 5,000 |
| `bitext_retail_ecom` | Bitext零售电商（无占位符） | 4,998 |

## 数据结构规范
每条样本包含以下字段：
- `id`：唯一标识符
- `source`：所属源数据集
- `group`：训练/测试分组（A/B）
- `difficulty`：任务难度等级（1~3级）
- `system`：助手系统提示词
- `history`：历史对话轮次（JSON字符串格式）
- `prompt`：用户输入消息
- `context`：检索文档、购物车状态、订单详情（JSON字符串格式）
- `tools`：可用函数工具（JSON字符串格式）
- `response_type`：响应类型，可选`text`或`tool_call`
- `response`：预期助手响应内容
- `language` / `locale`：语言与地区元数据
- `annotator`：标注来源
- `quality_score`：标注质量得分（0~1区间）
- `domain`：电商业务领域
- `intent_category` / `intent` / `sub_intent`：层级化意图标签