对话系统评测-对话语料

对话系统语料资源汇总
最新推荐文章于 2025-09-08 12:50:34 发布
原创 最新推荐文章于 2025-09-08 12:50:34 发布 · 2k 阅读 · 6 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#chatbot

语料很多，但是找到适合自己的却很难。。。整理一下各种关于对话语料博客的链接，留作备用

内容：中英文对话系统语料

1.csdn
2.csdn
3.csdn
4.github
5.github
6.github

NLP语料

7.github
8.知乎

spring_willow
关注
对话语料库
FREEDOM
05-23 2万+
用于训练中英文对话系统的语料库 Datasets for Training Chatbot System 用于对话系统的中英文语料本项目收集了一些从网络中找到的用于训练中文（英文）聊天机器人的对话语料 公开语料 搜集到的一些数据集如下，点击链接可以进入原始地址 dgk_shooter_min.conv.zip 中文电影对白语料，噪音比较大，许多对白问答关系没有
聊天机器人闲聊语料 - 1
Chatopera
09-20 4189
网上整理若干闲聊对话，适用于机器人寒暄等问答。 本语料包含 6,897 个问答对的中文闲聊语料。 下载地址：https://github.com/chatopera/chatbot-samples/blob/master/projects/闲聊/faq.json 使用指南：快速生成聊天机器人。 部分数据 { "docId": "CHIx_zv-p2h5cW", "categories": [ "闲聊" ], "enabled": true, "post": "你觉得我很美吗？",
【对话系统】对话系统评价方法综述-阅读笔记
veronachiu的博客
05-12 1221
对话系统发展概述 1950s：图灵测试 1960s：第一个人机对话系统ELIZA 1990s：第一个chatbot型人机对话系统ALICE 2010s：互联网公司推出各类智能人机对话系统 任务型对话评价方法 90s PARADISE系统建立多种特征线性方程的满意度指标 实际操作中对话系统成功率和最小化对话长度作为对话系统评测的指标 对话系统成功率： 最小化对话长度： 2010s，基于标注语料的数据驱动类对话评价模型成为主流。 用户模拟 系统模拟真实用户，在制定轮次下没有给出答案则认为对话失败
直播预告：KdConv: 知识驱动的中文多轮对话数据集 | AI TIME PhD 对话系统专题-4
AITIME_HY的博客
07-27 406
AI TIME PhD 对话系统专题-4《KdConv: 知识驱动的中文多轮对话数据集》 2020年7月31日 19:30-20:30第四期：2020年7月31日 19:30-20...
14、对话系统评估与端到端神经对话系统解析
ii567的博客
09-08 30
本博客深入探讨了对话系统的评估方法和端到端神经对话系统的核心技术。首先，从评估角度出发，介绍了交互质量框架（IQ）、任务导向与非任务导向系统的不同评估策略，以及自动化评估指标的优劣。接着，全面解析了端到端神经对话系统的工作原理，包括Seq2Seq架构、注意力机制、词嵌入等关键技术，并结合Vinyals和Le的神经对话模型示例说明其应用与局限。此外，还讨论了检索式对话系统的原理与适用场景，分析了神经架构在任务导向系统中的挑战与解决方案，并介绍了开放域对话系统的典型代表及其评估特点。最后，总结了当前研究的焦点问
FAQ问答系统句子相似度计算
03-25
FAQ问答系统中，一种汉语句子相似度计算算法
简单的任务型机器问答对话含语料
06-20
简单的任务型机器问答对话，包含完整代码和语料。python3环境下运行
【亲测免费】 探索中文聊天语料的宝库：Chinese Chatbot Corpus
gitblog_00739的博客
09-15 1135
**下载链接**: - [阿里云盘](https://www.aliyundrive.com/s/qXBdAYtz5j5) 提取码: 81ao - [Google Drive](https://drive.google.com/file/d/1So-m83NdUHexfjJ912rQ4GItdLvnmJMD/view?usp=sharing)
基于RASA-NLU框架构建的中文自然语言理解系统完整解决方案-包含中文语料库-语料转换工具-多种处理流程-模型评测工具-用于中文意图识别-实体抽取-对话系统开发-支持MITIE-.zip
最新发布
10-16
RASA-NLU（Natural Language Understanding）框架是当前自然语言处理（NLP）领域的一款开源工具，特别适合于构建基于意图识别与实体抽取的对话式AI系统。该框架支持多种编程语言，其中中文版尤其受到开发者的青睐。...
两种开源聊天机器人的性能测试（一）——ChatterBot
热门推荐
MrLittleDog的博客
10-03 4万+
因为最近在学习自然语言处理的相关知识，QQ小冰这个东西最近又很热，所以就试着玩了下两个开源聊天机器人，在这里分享一点小经验，希望对有共同兴趣的人能起到那么一点作用。       我主要测试了两个聊天机器人，一个是ChatterBot，另外一个是基于tensorflow的chatbot。我们首先看一下ChatterBot。       ChatterBot是Python自带的基于机器学习的语音对
中文聊天对话语料chinese chatbotcorpus
02-21
# 说明 该库是对目前市面上已有的开源中文聊天语料的搜集和系统化整理工作 该库搜集了包含 - chatterbot - 豆瓣多轮 - PTT八卦语料 - 青云语料 - 电视剧对白语料 - 贴吧论坛回帖语料 - 微博语料 - 小黄鸡语料 共8个公开闲聊常用语料和短信，白鹭时代问答等语料。 并对8个常见语料的数据进行了统一化规整和处理，达到直接可以粗略使用的目的。 **使用该项目，即可对所有的聊天语料进行一次性的处理和统一下载，不需要到处自己去搜集下载和分别处理各种不同的格式。* # 环境 python3 # 处理过程 将各个来源的语料按照其原格式进行提取，提取后进行繁体字转换，然后统一变成一轮一轮的对话。 # 使用方法 将解压后的raw_chat_corpus文件夹放到当前目录下 目录结构为 ``` raw_chat_corpus -- language -- process_pipelines -- raw_chat_corpus ---- chatterbot-1k ---- douban-multiturn-100w ---- .... -- main.py -- ... ``` 执行命令即可 ```bash python main.py ``` 或者 ```bash python3 main.py ``` # 生成结果 每个来源的语料分别生成一个独立的*.tsv文件，都放在新生成的clean_chat_corpus文件夹下。 生成结果格式为 tsv格式，每行是一个样本，先是query，再是answer ``` query \t answer ``` # 结果的使用 这个就根据每个人不同的情况自主使用即可 个人对于聊天机器人方向实践也不是很多，以下一篇之前写的知乎专栏供参考 **《从产品完整性的角度浅谈chatbot》** 文章粗略讲解了如下一些方面，介绍了聊天机器人在实际产品化过程中可能遇到的问题和解决办法。 1. chatbot自身人格的设置 1. 产品上线需要考虑的敏感词处理 1. 文本检索模型的使用 1. 文本生成模型的使用 1. 回答打分机制 1. 万能回答的使用策略 1. 多媒体消息的处理 1. 产品模型部署的问题 # 版权说明 本项目为非商业项目，为纯搜集和汇总资料，如有侵权，请在issue下留言。
阿里云智能对话机器人闲聊库
08-30
里面总共有5万+闲聊数据
测试用的闲聊语料
11-06
一些测试用的闲聊语料，未经过清洗，数量约为9.7万条。
50万闲聊数据，闲聊库
11-14
数据包含小黄鸡闲聊数据，和自己整理的闲聊数据，闲聊问答数据等，如需要其他数据请联系我
机器人多轮对话的闲聊语料
10-22
使两个机器人的相互对话生成语料，文本大小为1.03m，用于闲聊机器人的训练数据，使用 # 作为两个多轮对话之间的分隔符
17个经典的Spring面试问答，你必须知道
淡定_蜗牛的博客
09-06 2600
Q1、什么是Spring Framework？ Spring是Java企业版应用程序开发中使用最广泛的框架.Spring的核心功能可用于开发任何Java应用程序。 我们可以使用它的扩展来在Java EE平台上构建各种Web应用程序，或者我们可以在简单的独立应用程序中使用它的依赖注入。 Q2、使用Spring有什么好处？ Spring旨在简化Java EE开发。以下是使用它的优点： 轻量级： 在开...
对当前网上公开的聊天对话机器人语料整理
zh515858237的专栏
11-12 1524
https://github.com/yayuanzi8/chinese_chatbot_corpus https://download.youkuaiyun.com/download/corpse2010/12660141 https://download.youkuaiyun.com/download/dcclovewyl/10812661
评估对话系统标准数据集
03-16
### 标准对话系统评估的数据集 对于对话系统的评估，通常会采用一些公开的标准数据集来衡量模型的表现。这些数据集中包含了人类对话的样本以及相应的标签或评分，能够帮助研究者全面了解模型在自然语言理解、生成和交互方面的性能。 #### 常见的对话系统评估数据集 1. **DSTC (Dialog State Tracking Challenges)** DSTC系列挑战赛提供了一系列针对任务导向型对话系统的基准数据集。其中最常用的是DSTC2和DSTC3版本，它们涵盖了餐厅预订、旅行安排等多种实际应用场景。该数据集不仅包括对话历史记录，还提供了对话状态跟踪所需的标注信息[^4]。 #### 下载链接 官方网站：https://www.microsoft.com/en-us/research/project/dialog-state-tracking-challenge/ 2. **Persona-Chat** Persona-Chat是一个专注于开放式对话的人工智能聊天机器人训练与评测数据集。它由Facebook AI Research发布，旨在提升机器人的个性化表达能力。每段对话都附带了一个虚拟人物的角色描述文件，使得模型可以根据特定的人物设定生成更加贴近角色的回答[^5]。 ```python import datasets persona_chat = datasets.load_dataset('persona_chat') ``` 3. **DailyDialog** DailyDialog是由阿里巴巴达摩院提出的日常英语口语交流语料库。相比其他同类产品，它的特点是覆盖了更广泛的日常生活话题，并且按照情感类别进行了细致划分。这有助于开发者构建具备情绪感知功能的下一代智能助理[^6]。 #### 获取方式 GitHub仓库地址：https://github.com/budzianowski/multiwoz 4. **ConvAI2 / Wizard of Wikipedia** ConvAI2竞赛使用的数据集强调多轮次复杂问答过程；而Wizard of Wikipedia则进一步引入外部知识源作为输入的一部分，考察系统能否有效利用额外资料增强回复质量[^7]。 以上提到的所有资源均可免费获取并用于学术目的的研究活动当中。不过需要注意的是，在正式部署前还需仔细阅读各项目的授权协议条款以免触犯版权规定。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值