CrossWOZ，一个大规模跨领域中文任务导向对话数据集

2018 年，任务导向对话数据集 MultiWOZ 横空出世，并被评为当年 EMNLP 最佳资源论文。由于其大规模多领域的特点，引发了任务导向对话领域新的一轮发展热潮。

为了进一步推动多领域（特别是跨领域）的研究以及填补中文任务导向对话数据的空白，清华大学计算机系、人工智能研究院 CoAI 小组构建了 CrossWOZ，一个大规模跨领域中文任务导向对话数据集。论文已被 Transactions of the Association for Computational Linguistics (TACL) 接收。

论文链接：https://arxiv.org/abs/2002.11893

数据和代码：https://github.com/thu-coai/CrossWOZ

▲ CrossWOZ的一个对话片段，具体酒店名字被A，B，C替代

相比于之前的任务导向对话数据集(特别是MultiWOZ），CrossWOZ有三大特点： 

1. 在对话中，用户在某个领域的选择可能会影响到与之相关的领域的选择。如上面的这个例子，用户选择了北京欢乐谷作为景点领域的结果，那么之后选择的酒店就要在它附近。不同的景点选择会对酒店产生不同的约束。这种跨领域约束随着对话的进行而具体化，需要对话双方都能对上下文有更好的理解，因而更具有挑战性。

2. 这是第一个中文大规模多领域任务导向对话数据集，包含 6K 个对话，102K 个句子，涉及 5 个领域（景点、酒店、餐馆、地铁、出租）。平均每个对话涉及 3.2 个领域，远超之前的多领域对话数据集，增添了对话管理的难度。 

3. 标注信息全面，可以用于研究任务导向对话系统中各个方面。除了提供对话双方的对话意图、系统端的对话状态这些信息之外，还额外提供了每轮用户端的对话状态。用户端状态记录了目标的完成情况，每轮根据系统回复动态更新，可用于研究用户模拟器的搭建。