MASSIVE：一个包含100万例、涵盖51种类型学多样性语言的多语种自然语言理解数据集

我们介绍了MASSIVE数据集——多语言亚马逊资源包（SLURP）用于槽填充、意图分类和虚拟助手评估。MASSIVE包含100万条现实的、平行的、标注的虚拟助手话语，涵盖51种语言、18个领域、60个意图和55个槽位。该数据集是由专业翻译人员将仅限英语的SLURP数据集本地化为来自29个语系的50种类型学上多样化的语言而创建的。我们还展示了在XLM-R和mT5模型上的实验结果，包括精确匹配准确率、意图分类准确率和槽填充F1分数。我们已公开发布了我们的数据集、建模代码和模型。