irc_disentanglement

  • Açıklama:

IRC Disentanglement veri seti, Ubuntu IRC kanalından 77.563'ün üzerinde mesaj içerir.

Özellikler arasında mesaj kimliği, mesaj metni ve zaman damgası bulunur. Hedef, mevcut mesajın yanıtladığı mesajların listesidir. Her kayıt, bir günlük IRC sohbetinden gelen mesajların bir listesini içerir.

Bölmek Örnekler
'test' 10
'train' 153
'validation' 10
  • Özellikler:
FeaturesDict({
    'day': Sequence({
        'id': Text(shape=(), dtype=tf.string),
        'parents': Sequence(Text(shape=(), dtype=tf.string)),
        'text': Text(shape=(), dtype=tf.string),
        'timestamp': Text(shape=(), dtype=tf.string),
    }),
})
  • Citation:
@InProceedings{acl19disentangle,
  author    = {Jonathan K. Kummerfeld and Sai R. Gouravajhala and Joseph Peper and Vignesh Athreya and Chulaka Gunasekara and Jatin Ganhotra and Siva Sankalp Patel and Lazaros Polymenakos and Walter S. Lasecki},
  title     = {A Large-Scale Corpus for Conversation Disentanglement},
  booktitle = {Proceedings of the 57th Annual Meeting of the Association for Computational Linguistics},
  location  = {Florence, Italy},
  month     = {July},
  year      = {2019},
  doi       = {10.18653/v1/P19-1374},
  pages     = {3846--3856},
  url       = {https://aclweb.org/anthology/papers/P/P19/P19-1374/},
  arxiv     = {https://arxiv.org/abs/1810.11118},
  software  = {https://jkk.name/irc-disentanglement},
  data      = {https://jkk.name/irc-disentanglement},
}