google/air_dialogue

AirDialogue数据集是一个包含402,038条目标导向对话的大型数据集。数据集的创建过程包括使用上下文生成器提供旅行和航班限制，然后让人类标注者扮演客户或代理的角色，目标是在给定限制条件下成功预订旅行。数据集分为两个部分：对话数据（air_dialogue_data）和知识库数据（air_dialogue_kb）。对话数据包含客户上下文、对话状态和环境信息，而知识库数据包含可用航班信息和客户预订状态。数据集支持的任务包括文本生成、对话生成、对话建模、语言建模和掩码语言建模。数据集的语言为英语，且为单语数据集。

原始信息汇总

数据集概述

数据集名称： AirDialogue

语言： 英语（en）

许可证： cc-by-nc-4.0

多语言性： 单语

大小类别： 100K<n<1M

源数据集： 原始

任务类别：

• 文本生成
• 填充掩码

任务ID：

• 对话
• 对话生成
• 对话建模
• 语言建模
• 掩码语言建模

数据集配置：

• air_dialogue_data
• air_dialogue_kb

数据集结构

数据字段

air_dialogue_data:

• action: 包含状态、名称和航班信息。
• intent: 包含返回月份、返回日期、最高价格等旅行意图信息。
• timestamps: 对话时间戳。
• dialogue: 对话文本。
• expected_action: 预期的代理行动。
• search_info: 搜索信息，如按钮名称、字段名称和字段值。
• correct_sample: 样本是否正确。

air_dialogue_kb:

• kb: 包含航班信息，如航空公司、航班号、出发和返回机场等。
• reservation: 客户是否有现有预订。

数据分割

• 训练集： 321459个示例，353718365字节。
• 验证集： 40363个示例，44441818字节。

数据集创建

注释创建者： 众包

语言创建者： 机器生成

注释过程： 使用上下文生成器提供旅行和航班限制，人类注释者扮演客户或代理角色，目标是成功预订旅行。

注意事项

• 数据集不包含个人和敏感信息。
• 许可证为cc-by-nc-4.0，限制商业使用。

搜集汇总

背景与挑战

背景概述

AirDialogue是一个大型机票预订对话数据集，包含40万+条客户与客服的对话记录，涵盖对话内容、时间戳、用户意图和系统动作等信息，适用于目标导向的对话系统研究和开发。