亞馬遜將公佈超過最大會話和知識資料集，超400萬字

4月1 日， 亞馬遜宣佈：他們計劃向公眾公開“Topical Chat”資料集，超410萬單詞21萬句子的語料庫將於2019年9月17日釋出。

該資料集是為參加Alexa Prize Socialbot Grand Challenge 3競賽的團隊開發的，申請截止日期為2019年5月14日，比賽於2019年9月9日開始。所有參加Alexa Prize競賽的團隊將可以訪問此資料集的擴充套件版本（擴充套件主題聊天資料集），其中包括正在進行的集合和註釋的結果。

主題聊天資料集將包含超過210,000個句子（超過4,100,000個單詞），可支援高質量，可重複的研究，將成為研究界公開可用的最大社交對話和知識資料集。

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聯，並且所述知識是從與一組實體相關的一系列“非結構化”和“鬆散結構化”的文字資源中收集的。

亞馬遜高階首席科學家Dilek Hakkani-Tur在部落格文章中明確表示，沒有任何語料是與Alexa客戶的互動。

該資料庫是實現基於知識的神經反應生成系統的後續研究，解決其他公開資料集無法解決的自然對話中的難題。這將使研究者可以專注於研究對話中主題和知識選擇方面的轉換，以及如何在對話中融入事實和觀點。