任务导向型对话侧重于参与用户发起的特定话题的对话。一般来说,如果做任务导向型对话的程序员训练模型数据集不够大且不够多样,那么接下来的工作很有可能受阻。
为了帮助缓解这个问题,斯坦福自然语言处理小组公布了一组语料库。这组数据集包含了3031条多轮对话数据,内容主要分布在日程安排、天气信息检索和兴趣点导航。
这个对话集是通过知识库建立的,确保系统对自然语言处理得灵活流利。数据集与人类的对话差不多是下面的画风——
在这个数据集中,用户有两种可能的模式:驾驶员模式和助手模式。
在驾驶员模式中,用户会收到一份包含了明确信息的任务,里面列出了他们试图从助手中提取的某些信息,以及驾驶员和助手之间的历史对话。驾驶员只负责提供一组对话,并根据之前的历史对话消息和指定任务将对话进行下去。这些任务是通过3到5个可选值(比如时间、日期、地点等)随机指定的。
在助手模式中,用户能看到一份聊天记录,刚好进行到司机提了个问题;同时,还会看到助手专属的知识库,包含回答司机问题所需要的信息,比如事件信息日历、附近城市的预测信息和收集到的附近相关信息点。
数据集中的数据大致可以分为以下几类:
每个领域slots的类型和数量统计如下:
最后,附数据公开下载地址:
http://nlp.stanford.edu/projects/kvret/kvret_dataset_public.zip
Paper地址:
https://arxiv.org/abs/1705.05414