• Descripción :

Conjunto de datos de diálogo adversario de bots.

Conjuntos de datos de diálogo etiquetados con ofensiva de la tarea Bot Adversarial Dialogue. Los diálogos se recopilaron pidiendo a los humanos que hablaran de manera adversa con los robots.

Más detalles en el artículo .

• Página de inicio : https://github.com/facebookresearch/ParlAI/tree/main/parlai/tasks/bot_adversarial_dialogue

• Código fuente : tfds.datasets.bot_adversarial_dialogue.Builder

• Versiones :

  • 1.0.0 (predeterminado): versión inicial.

• Almacenamiento en caché automático ( documentación ): Sí

• Claves supervisadas (ver documento as_supervised ): None

• Figura ( tfds.show_examples ): no compatible.

• Cita :

@misc{xu2021recipes,
      title={Recipes for Safety in Open-domain Chatbots},
      author={Jing Xu and Da Ju and Margaret Li and Y-Lan Boureau and Jason Weston and Emily Dinan},
      year={2021},
      eprint={2010.07079},
      archivePrefix={arXiv},
      primaryClass={cs.CL}
}

bot_adversarial_dialogue/dialogue_datasets (configuración predeterminada)

• Descripción de la configuración : los conjuntos de datos de diálogo, divididos en divisiones de tren, validación y prueba.

• Tamaño de descarga : 3.06 MiB

• Tamaño del conjunto de datos : 23.38 MiB

• Divisiones :

• Estructura de características :

FeaturesDict({
    'bot_persona': Sequence(Text(shape=(), dtype=string)),
    'dialogue_id': float32,
    'episode_done': bool,
    'id': Text(shape=(), dtype=string),
    'labels': ClassLabel(shape=(), dtype=int64, num_classes=2),
    'round_id': float32,
    'speaker_to_eval': Text(shape=(), dtype=string),
    'text': Text(shape=(), dtype=string),
})

• Documentación de funciones :

• Ejemplos ( tfds.as_dataframe ):

bot_adversarial_dialogue/human_nonadv_safety_eval

• Descripción de la configuración : un conjunto de evaluación de seguridad humana evaluado por trabajadores colaborativos en busca de ofensiva.

• Tamaño de descarga : 10.57 KiB

• Tamaño del conjunto de datos : 34.55 KiB

• Divisiones :

• Estructura de características :

FeaturesDict({
    'episode_done': bool,
    'id': Text(shape=(), dtype=string),
    'labels': ClassLabel(shape=(), dtype=int64, num_classes=2),
    'text': Text(shape=(), dtype=string),
})

• Documentación de funciones :

• Ejemplos ( tfds.as_dataframe ):