Business Scene Dialogue 数据集卡片

数据集摘要

这是 Business Scene Dialogue（BSD）数据集，一个包含了各种商业场景的日英平行语料库，其中包含了书面对话。

该数据集经过了以下3个步骤的构建:

一半的单语对话情景用日语编写，另一半用英语编写。

支持的任务和排行榜

[需要更多信息]

语言

英语，日语。

数据集结构

数据实例

每个实例包含一个对话标识符、表示其在对话中的位置的句子编号、英语和日语中的发言者姓名、英语和日语中的文本、原始语言、情景标签以及情景标题。

        {
      "id": "190315_E004_13",
            "no": 14,
            "speaker": "Mr. Sam Lee",
            "ja_speaker": "サム リーさん",
            "en_sentence": "Would you guys consider a different scheme?",
            "ja_sentence": "別の事業案も考慮されますか？",
            "original_language": "en",
            "tag": "phone call",
            "title": "Phone: Review spec and scheme"
        }

数据字段

• id: 对话标识符
• no: 对话中的句子对编号
• en_speaker: 英语中的发言者姓名
• ja_speaker: 日语中的发言者姓名
• en_sentence: 英语中的句子
• ja_sentence: 日语中的句子
• original_language: 编写单语对话情景的语言
• tag: 情景
• title: 情景标题

数据拆分

• 总共有24171个句子/808个商业情景。
• 训练集：20000个句子/ 670个情景。
• 验证集：2051个句子/ 69个情景。
• 测试集：2120个句子/ 69个情景。

数据集创建

策划理由

[需要更多信息]

源数据

[需要更多信息]

[需要更多信息]

注释

[需要更多信息]

[需要更多信息]

个人和敏感信息

[需要更多信息]

使用数据的注意事项

数据的社会影响

[需要更多信息]

偏见讨论

[需要更多信息]

其他已知限制

此数据集仅供研究目的使用。请查看数据集许可证以获取更多信息。

其他信息

数据集创建者

[需要更多信息]

许可信息

该数据集采用Creative Commons Attribution-NonCommercial-ShareAlike（CC BY-NC-SA）许可协议发布。

引用信息

@inproceedings{rikters-etal-2019-designing,
    title = "Designing the Business Conversation Corpus",
    author = "Rikters, Mat{\=\i}ss  and
      Ri, Ryokan  and
      Li, Tong  and
      Nakazawa, Toshiaki",
    booktitle = "Proceedings of the 6th Workshop on Asian Translation",
    month = nov,
    year = "2019",
    address = "Hong Kong, China",
    publisher = "Association for Computational Linguistics",
    url = "https://www.aclweb.org/anthology/D19-5204",
    doi = "10.18653/v1/D19-5204",
    pages = "54--61"
}

贡献

感谢 @j-chim 添加了这个数据集。