Self-dialogue Corpus 项目使用教程
2024-09-28 15:07:17作者:卓艾滢Kingsley
self_dialogue_corpus
The Self-dialogue Corpus - a collection of self-dialogues across music, movies and sports
1. 项目目录结构及介绍
self_dialogue_corpus/
├── corpus/
│ ├── topic1/
│ ├── topic2/
│ └── ...
├── LICENSE
├── README.md
├── blocked_workers.txt
├── get_data.py
└── ...
- corpus/: 该目录包含了项目的核心数据,即24,165个对话,分布在23个主题下。每个主题对应一个子目录,子目录中包含多个CSV文件,每个文件代表一个对话任务。
- LICENSE: 项目的许可证文件,采用BSD-3-Clause许可证。
- README.md: 项目的介绍文件,包含项目的基本信息、数据统计、使用方法等。
- blocked_workers.txt: 列出了未遵守任务要求的工人,这些工人的数据默认被排除。
- get_data.py: 数据预处理脚本,用于将CSV文件格式化为文本文件,并提供多种选项进行数据处理。
2. 项目启动文件介绍
项目的启动文件是 get_data.py
,该脚本用于预处理数据,将原始的CSV文件转换为文本文件。以下是启动文件的基本使用方法:
python get_data.py
默认情况下,脚本会从 corpus/
目录读取数据,并将处理后的文件保存到 dialogues/
目录。脚本还支持多种可选参数,例如:
--inDir
: 指定输入目录。--outDir
: 指定输出目录。--output-naming
: 指定输出文件的命名方式(整数或assignment_id
)。--remove-punctuation
: 移除输出中的标点符号。--set-case
: 设置输出文本的大小写(原始、大写或小写)。--exclude-topic
: 排除特定主题的数据。--include-only
: 仅包含特定主题的数据。
3. 项目配置文件介绍
项目中没有明确的配置文件,但可以通过 get_data.py
脚本中的参数进行配置。例如,可以通过命令行参数指定输入和输出目录、排除特定主题的数据等。
例如,要排除音乐主题的数据,可以使用以下命令:
python get_data.py --exclude-topic music
通过这种方式,用户可以根据自己的需求灵活配置数据处理过程。
self_dialogue_corpus
The Self-dialogue Corpus - a collection of self-dialogues across music, movies and sports
热门项目推荐
相关项目推荐
- CangjieCommunity为仓颉编程语言开发者打造活跃、开放、高质量的社区环境Markdown6690
- redis-sdk仓颉语言实现的Redis客户端SDK。已适配仓颉0.53.4 Beta版本。接口设计兼容jedis接口语义,支持RESP2和RESP3协议,支持发布订阅模式,支持哨兵模式和集群模式。Cangjie32226
- Yi-CoderYi Coder 编程模型,小而强大的编程助手305
- qwerty-learner为键盘工作者设计的单词记忆与英语肌肉记忆锻炼软件 / Words learning and English muscle memory training software designed for keyboard workersTypeScript15.77 K1.48 K
- advanced-javaAdvanced-Java是一个Java进阶教程,适合用于学习Java高级特性和编程技巧。特点:内容深入、实例丰富、适合进阶学习。JavaScript75.83 K19.04 K
- taro开放式跨端跨框架解决方案,支持使用 React/Vue/Nerv 等框架来开发微信/京东/百度/支付宝/字节跳动/ QQ 小程序/H5/React Native 等应用。 https://taro.zone/TypeScript35.51 K4.79 K
- CommunityCangjie-TPC(Third Party Components)仓颉编程语言三方库社区资源汇总252
- Wwindows暂无简介Shell16.14 K1.35 K
- byzer-langByzer(以前的 MLSQL):一种用于数据管道、分析和人工智能的低代码开源编程语言。Scala1.88 K551
- AanacondaAnaconda turns your Sublime Text 3 in a full featured Python development IDE including autocompletion, code linting, IDE features, autopep8 formating, McCabe complexity checker Vagrant and Docker support for Sublime Text 3 using Jedi, PyFlakes, pep8, MyPy, PyLint, pep257 and McCabe that will never freeze your Sublime Text 3Python2.22 K263
最新内容推荐
展开
项目优选
收起
CangjieCommunity
为仓颉编程语言开发者打造活跃、开放、高质量的社区环境
Markdown
669
0
RuoYi-Vue
🎉 基于SpringBoot,Spring Security,JWT,Vue & Element 的前后端分离权限管理系统,同时提供了 Vue3 的版本
Java
136
18
openHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
10
4
redis-sdk
仓颉语言实现的Redis客户端SDK。已适配仓颉0.53.4 Beta版本。接口设计兼容jedis接口语义,支持RESP2和RESP3协议,支持发布订阅模式,支持哨兵模式和集群模式。
Cangjie
322
26
advanced-java
Advanced-Java是一个Java进阶教程,适合用于学习Java高级特性和编程技巧。特点:内容深入、实例丰富、适合进阶学习。
JavaScript
75.83 K
19.04 K
qwerty-learner
为键盘工作者设计的单词记忆与英语肌肉记忆锻炼软件 / Words learning and English muscle memory training software designed for keyboard workers
TSX
15.56 K
1.44 K
Jpom
🚀简而轻的低侵入式在线构建、自动部署、日常运维、项目监控软件
Java
1.41 K
292
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手
HTML
30
5
easy-es
Elasticsearch
国内Top1 elasticsearch搜索引擎框架es ORM框架,索引全自动智能托管,如丝般顺滑,与Mybatis-plus一致的API,屏蔽语言差异,开发者只需要会MySQL语法即可完成对Es的相关操作,零额外学习成本.底层采用RestHighLevelClient,兼具低码,易用,易拓展等特性,支持es独有的高亮,权重,分词,Geo,嵌套,父子类型等功能...
Java
1.42 K
231
taro
开放式跨端跨框架解决方案,支持使用 React/Vue/Nerv 等框架来开发微信/京东/百度/支付宝/字节跳动/ QQ 小程序/H5/React Native 等应用。 https://taro.zone/
TypeScript
35.34 K
4.77 K