4月1 日， 亞馬遜宣布：他們計(jì)劃向公眾公開“Topical Chat”數(shù)據(jù)集，超410萬單詞21萬句子的語料庫將于2019年9月17日發(fā)布。

該數(shù)據(jù)集是為參加Alexa Prize Socialbot Grand Challenge 3競賽的團(tuán)隊(duì)開發(fā)的，申請截止日期為2019年5月14日，比賽于2019年9月9日開始。所有參加Alexa Prize競賽的團(tuán)隊(duì)將可以訪問此數(shù)據(jù)集的擴(kuò)展版本（擴(kuò)展主題聊天數(shù)據(jù)集），其中包括正在進(jìn)行的集合和注釋的結(jié)果。

主題聊天數(shù)據(jù)集將包含超過210,000個句子（超過4,100,000個單詞），可支持高質(zhì)量，可重復(fù)的研究，將成為研究界公開可用的最大社交對話和知識數(shù)據(jù)集。

每個語料庫的對話和對話輪次與提供給眾包工作者的知識相關(guān)聯(lián)，并且所述知識是從與一組實(shí)體相關(guān)的一系列“非結(jié)構(gòu)化”和“松散結(jié)構(gòu)化”的文本資源中收集的。

亞馬遜高級首席科學(xué)家Dilek Hakkani-Tur在博客文章中明確表示，沒有任何語料是與Alexa客戶的互動。

該數(shù)據(jù)庫是實(shí)現(xiàn)基于知識的神經(jīng)反應(yīng)生成系統(tǒng)的后續(xù)研究，解決其他公開數(shù)據(jù)集無法解決的自然對話中的難題。這將使研究者可以專注于研究對話中主題和知識選擇方面的轉(zhuǎn)換，以及如何在對話中融入事實(shí)和觀點(diǎn)。