印度理工学院坎普尔分校 发布 CoMuMDR 数据集, 应用在 自然语言处理、对话系统 领域

印度理工学院坎普尔分校 本次发布的数据集 CoMuMDR, CoMuMDR是一个大规模的混合代码（印地语和英语），多模态（文本+音频），多领域的话语语料库，用于对话中的话语解析。语料库包含客户呼叫中心互动的音频记录及其相应的转录文本，并标注了九种话语关系。数据集来自多个领域，包括电子商务、医药、股票经纪应用支持、电子市场和教育。语料库已标注，以创建用于链接预测和话语关系分类的标记话语图。标注是在跨度级别进行的，有九种话语关系类型，这些类型很好地支持了客户呼叫中心的信息流。CoMuMDR旨在创建一个实用的、现实世界的系统，处理音频对话，并且对转录和话者分割错误具有鲁棒性。

查看CoMuMDR

README 内容： 

关于 印度理工学院坎普尔分校 , 印度理工学院坎普尔分校（IIT Kanpur）是位于印度的一所著名研究型大学，是印度理工学院系统中的一员，以其在科学、工程和技术领域的教育和研究而闻名。

关于 arXiv , arXiv 是一个免费分发服务和开放获取的学术文章档案库，涵盖了物理学、数学、计算机科学、定量生物学、定量金融、统计学、电气工程和系统科学以及经济学等领域。该网站上的材料并未经过 arXiv 的同行评审。