theirislin/synthetic_convai2_peacok_knowledge_linking

---
dataset_info:
features:
- name: dialog_id
dtype: string
- name: dialog_dict
list:
- name: type
dtype: string
- name: utter
dtype: string
- name: head_label
dtype: bool
- name: head_fact_text
dtype: string
- name: gpt_output_head
dtype: string
- name: tail_label
dtype: bool
- name: tail_fact_text
dtype: string
- name: gpt_output_tail
dtype: string
- name: peacok_relation
dtype: string
- name: label
dtype: int64
splits:
- name: train
num_bytes: 42113941
num_examples: 35821
- name: valid
num_bytes: 2791837
num_examples: 3981
download_size: 20866464
dataset_size: 44905778
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: valid
path: data/valid-*
---

数据集信息：
特征字段：
- 名称：对话ID（dialog_id），数据类型：字符串
- 名称：对话字典（dialog_dict），为列表类型，列表内元素包含：
- 名称：类型（type），数据类型：字符串
- 名称：话语（utter），数据类型：字符串
- 名称：头标签（head_label），数据类型：布尔值
- 名称：头事实文本（head_fact_text），数据类型：字符串
- 名称：GPT头输出（gpt_output_head），数据类型：字符串
- 名称：尾标签（tail_label），数据类型：布尔值
- 名称：尾事实文本（tail_fact_text），数据类型：字符串
- 名称：GPT尾输出（gpt_output_tail），数据类型：字符串
- 名称：孔雀关系（peacok_relation），数据类型：字符串
- 名称：标签（label），数据类型：64位整型（int64）
数据集划分：
- 划分集名称：训练集（train），占用字节数：42113941，样本数量：35821
- 划分集名称：验证集（valid），占用字节数：2791837，样本数量：3981
下载总大小：20866464，数据集总占用大小：44905778
配置项：
- 配置名称：默认（default），对应数据文件：
- 划分集：训练集，文件路径：data/train-*
- 划分集：验证集，文件路径：data/valid-*

原始信息汇总

数据集概述

数据集特征

• dialog_id: 数据类型为字符串。
• dialog_dict: 包含以下子特征：
  • type: 数据类型为字符串。
  • utter: 数据类型为字符串。
• head_label: 数据类型为布尔值。
• head_fact_text: 数据类型为字符串。
• gpt_output_head: 数据类型为字符串。
• tail_label: 数据类型为布尔值。
• tail_fact_text: 数据类型为字符串。
• gpt_output_tail: 数据类型为字符串。
• peacok_relation: 数据类型为字符串。
• label: 数据类型为整数（int64）。

数据集分割

• train: 包含35821个样本，总大小为42113941字节。
• valid: 包含3981个样本，总大小为2791837字节。

数据集大小

• 下载大小: 20866464字节。
• 数据集总大小: 44905778字节。

配置

• config_name: default
• data_files:
  • train: 路径为data/train-*。
  • valid: 路径为data/valid-*。