CRD3 是由 Microsoft Research 于 2020 年发布的一个面向对话建模与摘要生成的数据集，旨在提供语言学上独特的非脚本化角色扮演游戏对话数据，用于探索长文本故事叙述中的语义、语用、内容选择及重写等挑战。

该数据集包含来自 159 集 Critical Role 节目的转写文本对话，共计 398,682 个对话轮次，并附带从 Fandom wiki 收集的对应摘要，数据规模在 10 K 到 100 K 之间，总数据大小约为 318 MB。

数据集组成

数据集包含三个主要部分：训练集（train）、验证集（validation）和测试集（test）。具体样本量如下：训练集包含 38,969 个样本，验证集包含 6,327 个样本，测试集包含 7,500 个样本。

每个数据样本包含以下字段：

• chunk：字符串类型，包含对话片段文本。
• chunk_id：整数类型，片段 ID。
• turn_start：整数类型，对话轮次起始索引。
• turn_end：整数类型，对话轮次结束索引。
• alignment_score：浮点数类型，对齐分数。
• turns：字典类型，包含对话的详细信息：
• names：字符串列表，说话者名称。
• utterances：字符串列表，对应的对话内容。
• number：整数类型，轮次编号。

Citation

@inproceedings{
title = {Storytelling with Dialogue: A Critical Role Dungeons and Dragons Dataset},
author = {Rameshkumar, Revanth  and Bailey, Peter},
year = {2020},
publisher = {Association for Computational Linguistics},
conference = {ACL}
}