Oct, 2017

DailyDialog：一个手工标注的多轮对话数据集

PDF
TL;DR我们开发了一个高质量的多回合对话数据集 DailyDialog，包括人类编写的不太嘈杂的语言，反映我们日常交流方式并涵盖我们日常生活的各种主题。我们手动标记了这个数据集的通信意图和情感信息，并在 DailyDialog 数据集上评估现有的方法，希望它有益于对话系统的研究领域。
multi-turn dialog datasetdailydialogcommunication intentionemotion informationdialog systems
发现论文，激发创造
  • DailyTalk: 用于会话文本转语音的口语对话数据集

    本文介绍了 DailyTalk 这一高质量的会话 TTS 数据集，该数据集包含来自开放领域对话数据集 DailyDialog 的 2534 个对话，并扩展了 LST-CNN-TTS 模型，结果表明 DailyTalk 数据集可用作通用 TTS 数据集，并且基线模型可以表示 DailyTalk 中的上下文信息。

    Jul, 2022

  • MMDialog：面向多模态开放领域对话的大规模多轮对话数据集

    本文介绍了 MMDialog 数据集、提出并规范了两个基于检索和生成场景的反应生成任务，还构建了两个基线，并提出了一种新的评估指标 MM-Relevance，用于衡量多模态反应。

    Nov, 2022

  • 音频对话：用于音频和音乐理解的对话数据集

    通过大型语言模型生成多轮对话，展示了音频理解中的复杂性和适用性。

    Apr, 2024

  • DialogSum：一个真实场景下的对话摘要数据集

    提出了 DialogSum，一种大规模标注的对话摘要数据集，通过对该数据集使用最先进的神经摘要器进行经验分析，结果表明对话摘要中存在诸如口语术语、特殊话语结构、代词和省略、语用学和社会常识等独特挑战，需要特定的表示学习技术来更好地处理。

    May, 2021

  • 用语义相关的图片替换文本构建多模式对话数据集

    本文提出创建一种包含图像的 45k 多模态对话数据集的方法，该方法通过准备、预处理文本对话数据集、使用文本转图像技术创建混合图像对话，以及利用基于上下文相似性的过滤步骤确保数据集的上下文一致性。自动度量和人类评估结果表明，我们的数据集可以有效地用于多模态对话系统的训练，需要以上下文感知的方式理解图像和文本。

    Jul, 2021

  • Ubuntu 对话语料库：一份用于非结构化多轮对话系统研究的大型数据集

    介绍 Ubuntu 对话语料库，包含近 100 万个多轮对话，可以用于建立基于神经语言模型的对话管理器，同时提供适用于此数据集的两种神经学习架构，并在选择最佳下一个响应的任务上提供了基准表现。

    Jun, 2015

  • 面向任务导向对话的通用对话行为标注

    本文提出了一种适用于任务导向对话系统的通用 DA 模式，并使用人类 - 人类对话语料库进行标记和建模，通过半监督学习技术，以提高标记效率和标记质量。

    Jul, 2019

  • CDialog：针对实体感知的对话生成的多轮 Covid-19 对话数据集

    本文介绍了 COVID-19 疾病的多轮医疗对话数据集 CDialog，包含超过 1,000 个对话，带有七个医疗实体类别的注释，利用预训练的语言模型和医疗实体信息提高了自动生成医疗对话模型的响应质量。

    Nov, 2022

  • MuTual: 多轮对话推理数据集

    介绍了一个新的多轮对话推理数据集 MuTual，包含 8,860 个中文学生英语听力考试基础上的手动注释对话，对话系统或模型需要具备处理各种推理问题的能力，现有的最先进的方法仅可达到 71％，远远落后于 94％的人类表现

    Apr, 2020

  • DialogCC：大规模多模态对话数据集

    本文介绍了一种基于 CLIP 相似度的多模态对话数据集创建管道，使用这个管道，我们提出了一个大规模的多模态对话数据集 DialogCC，并且通过广泛的实验结果表明，使用我们的数据集训练多模态对话模型可以改善泛化性能，与此同时，使用我们的数据集训练的现有模型在图像和文本检索任务上取得了最先进的表现。

    Dec, 2022