面向非任务型对话系统的人工标注中文数据集

• 作者: 宋彦 张海松 李菁
• 来源期刊: 中文信息学报
• 学科: 工学
• 关键词: 对话系统 人工标注 中文数据集
• 年，卷（期）: 2019,（3）
• 所属期刊栏目: 语言资源建设
• 页码范围: 17-24
• 页数: 8页
• 分类号: TP391
• 字数: 7100字
• 语种: 中文
• DOI: 10.3969/j.issn.1003-0077.2019.03.003

摘要

该文针对非任务导向型对话的回复质量构建了一个大规模的人工标注中文数据集,该数据集包含了从社交媒体收集到的超过27000个对话问题以及超过82000个对话问题的回复①.为了产生高质量的标注数据,邀请了专业人员根据对话回复的相关性、连贯性、信息性、趣味性,以及是否潜在地具有让对话继续延续的特性进行标注,在标注中定义了一个五级评分方法,分别是:极差的、较差的、一般的、较好的、极好的.为了测试标注产生的数据集是否具有有效性和实用性,以对话回复选择为任务,在标注数据集上测试了多种无监督和有监督模型.实验结果表明,该数据集对于提升对话回复选择的质量有显著效果.