海天瑞声发布超大规模中文对话数据集 DOTS-NLP-216

据金十 7 月 28 日报道，海天瑞声今日宣布正式推出中文千万轮对话语料库 DOTS-NLP-216。据介绍，该语料库更加符合中国人表达习惯的自然对话数据集，共计约千万轮，上亿级 token，包含正式 & 非正式风格对话，使用偏口语化自然表达，覆盖工作、生活、校园等场景，及金融、教育、娱乐、体育、汽车、科技等领域。在数据集构成上，DOTS-NLP-216 包含了对真实场景的对话采集，及高度还原真实场景的模拟对话两种方式。