一个面向龙与地下城的领域特定大规模数据集的综合与评估
计算与语言
2022-12-20 v1 机器学习
摘要
本文介绍了被遗忘的国度维基（Forgotten Realms Wiki, FRW）数据集，以及使用FRW进行的领域特定自然语言生成及相关分析。被遗忘的国度是流行的开放式桌面奇幻角色扮演游戏《龙与地下城》事实上的默认设定。该数据集提取自被遗忘的国度Fandom维基，包含超过45,200篇文章。FRW数据集由11个子数据集构成，格式多样：原始纯文本、按文章标题标注的纯文本、有向链接图、按维基文章标题标注的维基信息框、首链接图的庞加莱嵌入、语料库的多个Word2Vec和Doc2Vec模型。这是首个针对龙与地下城领域的如此规模的数据集。随后，我们提出了一个利用相似性度量的成对相似性比较基准。此外，我们使用该语料库进行了D&D领域特定的自然语言生成，并针对被遗忘的国度的传说评估了命名实体分类。
引用
@article{arxiv.2212.09080,
title = {Synthesis and Evaluation of a Domain-specific Large Data Set for Dungeons & Dragons},
author = {Akila Peiris and Nisansa de Silva},
journal= {arXiv preprint arXiv:2212.09080},
year = {2022}
}