Amazonが400万以上の単語で構成された会話データセット「Topical Chat」を一般向けに公開する予定

by Gerd Altmann from Pixabay

AIアシスタントのAlexaなど、音声認識技術の研究開発に積極的に取り組むAmazonが、400万を超える単語で構成された音声データセットを一般向けに公開すると発表しました。

Topical Chat Dataset Helps Researchers Address Hard Challenges in Natural Conversation : Alexa Blogs
https://developer.amazon.com/blogs/alexa/tag/Alexa+Prize

Topical ChatはもともとAmazonが主催する大学生向けのコンテスト「Alexa Prize」のために開発されたもので、コンテストの出場チームはこのTopical Chatとその拡張データセットにアクセスできるようになるそうです。出場チームが本格的に開発をスタートするのが2019年9月を予定しているとのことで、Topical Chatの一般公開はその直後となる模様です。

Amazonの上級主席研究員であるDilek Hakkani-Tur氏によると、Topical Chatは410万語以上、21万以上の発言で構成されていて、その会話はAmazon Alexaのユーザーとの対話ではなくクラウドワーカーから提供されたもの。Topical Chatに収録されている会話のテーマや知識はクラウドワーカー個人が選択したものとなっていて、データセット化にあたって特に整理・構造化はされていないとのこと。

by Tumisu from Pixabay

Hakkani-Tur氏は「Topical Chatは研究コミュニティが公に利用可能なデータセットのなかでも最大の社会的会話と知識を含み、高品質で再現可能な研究発表をサポートするものです。会話中のトピックの遷移や知識の選択、事実や意見を織り交ぜていく会話など、これまでのデータセットでは解決できない『自然な会話における困難な課題』に取り組みながら、知識ベースの神経反応生成システムをさらに次のステップへ進めることができます」と述べました。