发布 Douban Group Human-Human Context-Response Pairs 数据集, 应用在 自然语言处理、文本生成 领域

本次发布的数据集 Douban Group Human-Human Context-Response Pairs, 该数据集包含了从豆瓣小组爬取的人与人之间的上下文与回应配对，其中包含了最后一句发言的重写与未重写版本。具体数据信息如下：上下文、最后一句发言、回应以及重写的最后一句发言的平均长度分别为12.69、11.90、15.15和14.27个词。在数据集中，重写与未重写的最后一句发言的比例为1.426:1。数据规模方面，训练集包含6,844,393个四元组，验证集有1000个，测试集有1074个。该数据集的任务旨在进行多轮回应生成以及上下文重写。

查看Douban Group Human-Human Context-Response Pairs

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。