Marsan-Ma-zz 发布 Twitter Dialog Corpus 数据集, 应用在 社交媒体对话、自然语言处理 领域

Marsan-Ma-zz 本次发布的数据集 Twitter Dialog Corpus, 该数据集是从推特上收集的，包含了2.6百万条（消息，回复）对，经过特定长度限制的筛选后，保留了2百万条样本。此外，数据集还根据历史消息和回复的长度限制进行了进一步筛选。规模达到了2百万样本，适用于开放域对话生成任务。

查看Twitter Dialog Corpus

README 内容： 

关于 Marsan-Ma-zz , -

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。