提供了分析流程和最佳实践准则来构建和策划日常会话语料库，并开发了质量控制方法。通过两个案例研究展示了会话数据的广泛实用性，并讨论了语言多样性会话语料库对语言科学和语言技术的强有力的经验基础。

Mar, 2022

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

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

本文旨在通过引入一个新构建的日英商务会话平行语料库，提高会话文本的机器翻译质量，并分析了该语料库，列举了自动翻译的具有挑战性的实例。同时，本文还试图将语料库添加到机器翻译训练中，并展示了基于该语料库训练的系统的优势。

Aug, 2020

本文综述了一些新的神经架构，并探讨了将其应用到更加基本的对话特点，例如情绪，对话行为和协同建构。基于社会科学文献，本文的作者相信对话最基本、最核心的特征是其由两个或多个交流者在时间上共同建构。

Mar, 2022

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

本文提供了一个包含 445 篇人工和计算机生成的文档的语料库，其中包含约 27,000 个从句，注释了语义从句类型和相关关系，以便对人工和自然语篇模式进行微妙的比较。它涵盖了正式和非正式的话语，包括使用 Fine-tuned GPT-2 和 GPT-3 (分别为 Zellers 等人 2019 年和 Brown 等人 2020 年发表的技术) 生成的文档。通过提供初步的证据，我们展示了该语料库对于对生成文本进行详细的话语分析的有用性：较少数量、更短和更不连贯的从句关系与计算机生成的叙述和论述的较低感知质量相关联。

Nov, 2021

在自然语言处理领域，开放领域聊天机器人已成为一个重要的研究课题。然而，现有的开放领域聊天机器人研究的主要限制是其对短期单次对话的单一关注，忽视了在进行中的对话之前的多个连续会话中理解上下文信息的潜在需求。在多会话对话设置中，组成上下文的元素中，会话之间的时间间隔和发言者之间的关系尤为重要。尽管它们的重要性，当前的研究工作尚未充分解决这些对话组成部分。本文引入了一个新的 100 万多会话对话数据集，称为 Conversation Chronicles，用于实现一个长期对话设置，其中包含时间间隔和细粒度的发言者关系。我们利用一个大型语言模型生成数据，广泛的人工评估表明，Conversation Chronicles 中的对话片段反映了这些特性，同时在所有会话中保持一致和连贯的互动。我们还提出了一个对话模型，称为 ReBot，它由仅约 630M 个参数的按时间顺序总结和对话生成模块组成。当 ReBot 在 Conversation Chronicles 上进行训练时，表现出具有高人类参与度的长期上下文理解能力。

Oct, 2023

该论文介绍了一种用于各类难度级别的科学概念对话教学的新方法，并通过对视频转录的对话进行分析，展示了其中多样化的例子可以用于为特定目标受众生成感性合适和自然的回应。这是一个对话模型的有价值资源，可以用于训练和评估，涵盖了有机发生的对话。

Apr, 2024

本研究采集了一组大规模的多模式对话语料库，并设计了一种新的门控多模式融合机制来利用各种信息进行转换预测。为了解决数据不平衡问题，我们设计了一种简单且有效的数据增强方法，通过对比学习得到更好的特征表示。实验证明，我们的模型在多个方面表现优异，比几种最先进的基准方法更为竞争力。

Apr, 2022