JDDC 语料库：面向电商客服的大规模多轮中文对话数据集
计算与语言
2020-03-25 v4 人工智能
信息检索
摘要
人类对话十分复杂，构建类人对话智能体是一项极具挑战的任务。随着深度学习技术的快速发展，数据驱动模型日益普遍，其需要海量真实对话数据。本文构建了一个大规模真实场景中文电商对话语料库 JDDC，包含超过 100 万轮多轮对话、2000 万条语句和 1.5 亿词。该数据集反映了人机对话的若干特征，例如目标驱动以及上下文间的长期依赖。它还涵盖多种对话类型，包括任务导向、闲聊和问答。我们还提供了额外的意图信息以及三个精心标注的挑战集。随后，我们评估了若干检索式与生成式模型，以在 JDDC 语料库上提供基础基准性能。我们希望 JDDC 能作为一个有效的测试平台，并裨益于对话任务的基础研究。
引用
@article{arxiv.1911.09969,
title = {The JDDC Corpus: A Large-Scale Multi-Turn Chinese Dialogue Dataset for E-commerce Customer Service},
author = {Meng Chen and Ruixue Liu and Lei Shen and Shaozu Yuan and Jingyan Zhou and Youzheng Wu and Xiaodong He and Bowen Zhou},
journal= {arXiv preprint arXiv:1911.09969},
year = {2020}
}
备注
This paper is accepted by LREC 2020 (International Conference on Language Resources and Evaluation )