摘要
深度学习在自然语言生成（NLG）领域的广泛应用，推动了小型及相对较大的平行语料库的发布，用于训练神经网络模型。然而，现有的数据到文本语料库主要面向任务导向型对话系统，因而通常在多样性与通用性方面存在局限。这些语料库多为众包获取，且往往包含大量噪声。此外，当前的神经NLG模型未能充分挖掘大规模训练数据的潜力，由于其强大的泛化能力，生成的句子往往呈现出模板化特征。为此，我们提出一个包含7,000个样本的新语料库，该语料库具备以下特点：（1）尽管采用众包方式收集，但仍保持较高的数据纯净度；（2）涵盖9种可泛化且具有对话性质的对话行为类型，使其更适用于开放域对话系统；（3）首次将视频游戏领域引入对话系统研究，该领域虽尚未被广泛探索，但具备支持丰富对话的显著潜力。