发布 WDC-Dialogue 数据集, 应用在 自然语言处理、对话系统 领域

本次发布的数据集 WDC-Dialogue, 该数据集名为WDC-Dialogue，是迄今为止最大的中文对话数据集，包含了140亿个上下文回应对，这些数据来源于多个公共社交媒体平台。该数据集专为预训练EVA对话系统而设计。在数据整理过程中，我们采用了严格的方法来提升数据质量，去除了噪声内容、广告，并确保对话长度适中。该数据集适用于对话生成和评估任务。

查看WDC-Dialogue

README 内容： 

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。