本文介绍了一种跨学科的对话科学，基于一个大型的多模式语料库，通过语音，视频和转录记录了 1656 次对话，利用此实验数据，研究人员提出了新的算法并应用机器学习技术，以分析对话成功或失败的因素，并探讨对话与幸福感之间的关系。

Mar, 2022

为了比较人类语言处理模型，许多研究使用富自然语言材料的语料库来预测参与者反应，但这些研究所使用的许多语料库是基于自然文本的，因此缺少许多频率低的句法结构，而这些句法结构是区分处理理论所必需的。本文提出一种新的语料库，包含许多低频句法结构且易于被母语人士理解，该语料库已标注手动修正的语法树，并包括了自定速度阅读时间的数据。

Aug, 2017

通过调查可用于数据驱动型对话系统学习的公开数据集，讨论了这些数据集的重要特征，如何使用它们学习不同的对话策略以及它们的其他潜在用途。同时还研究了数据集之间的迁移学习方法和外部知识的应用，并讨论了适当的评估指标选择。

Dec, 2015

本研究介绍了一个文档驱动的文本对话数据集，包含关于热门电影的维基百科文章，利用两种神经网络模型对话，结果表明这种方法引入了更多信息，提高了生成回答的流畅度和吸引力。

Sep, 2018

通过 Wizard-of-Oz 对话任务，探索了用户对已知事实的回应与对话参与度之间的相关性，进而提出一种结合用户先前知识的多任务模型，使得数字助手能够更好地理解用户需求并提高用户参与度。

May, 2020

本研究提出了一种自动发现任务 D5，可以在自然语言处理领域中使用，旨在解决大规模文本挖掘的效率问题，利用语言模型自动发现大规模文献库中的相关性和差异，并通过 OpenD5 数据集验证了该方法的有效性，可在商业、社会科学、人文科学、机器学习和健康领域应用。

Feb, 2023

本文提出了一种新方法 —— 通过众包自对话方式高效地收集主题上的非结构化对话数据，并提供包含 23 个主题的 360 万词汇量的语料库，通过与其他语料库的比较证明了其实用性。

Sep, 2018

近期人机交互领域的研究表明，考虑到人口统计信息、用户情感以及从话语中的隐含反馈中学习是任务导向和以文档为基础的对话系统获得用户接受和喜欢的关键。然而，这些发现尚未在自然语言处理领域得到应用，缺乏相应的数据集。为了填补这一空白，我们引入了 FEDI，这是第一个包含任务导向的以文档为基础的对话的英语数据集，其中注释了人口统计信息、用户情感和隐含反馈。我们使用 FLAN-T5、GPT-2 和 LLaMA-2 进行实验，结果表明这些数据有潜力改善任务完成情况、生成回答的事实一致性以及用户接受程度。

Jan, 2024

本研究创建了一个大规模的开放式人设对话语料库，解决了创建自然语言数据集时面对的语义敏感性、隐私问题、数据采集难度等多重难题。

Apr, 2023

本文提出了一个包括 Wikipedia 贡献者间全部对话记录的语料库，通过记录评论和回复等中间状态，支持对大规模在线协作过程及挑战的新型研究，其中两个案例研究揭示了人的谈话行为如何与讨论场所相关，以及社区管理对有害行为的调控高于先前估计水平，并且语言无关性强，能够提取高质量的中英文对话数据。

Oct, 2018