ConvoKit 对话分析工具包与对话数据集
自然语言
0 下载
2 浏览
2026-10-15
数据集简介
项目定位
ConvoKit 由康奈尔大学 CornellNLP 团队开发,Cristian Danescu-Niculescu-Mizil 参与其中。工具包的核心目标是提取对话特征并分析对话中的社会现象,服务于计算社会科学、自然语言处理与对话分析等方向。它提供与 scikit-learn 兼容的统一接口,使研究者可以用一致的编程方式处理不同来源的对话语料。
功能与特征
工具包围绕对话特征提取构建,可计算的典型特征包括语言协调、礼貌策略与超图表示。这些特征覆盖从词汇层面到对话结构层面的多种分析需求。仓库中的示例脚本演示了如何在这些内置数据集上调用工具包,帮助使用者快速上手。
内置数据集
ConvoKit 附带多个大型对话数据集,覆盖不同平台与场景:
- Wikipedia 与 Reddit CMV 的「Conversations Gone Awry」
- Cornell Movie-Dialogs
- CANDOR
- 维基百科讨论页
- Reddit 各子版块语料
完整的数据集列表可在官方文档中查看。所有数据集按说话人级、话语级、对话级、语料级分层组织,便于按不同粒度开展分析。数据集可通过 convokit.download() 辅助函数下载,也可在官方文档的 datasets 页面直接访问。
仓库结构与格式
仓库按功能划分为若干目录:convokit/ 存放工具包主体代码,datasets/ 与 download_config.json 关联数据集配置,docs/ 为文档,examples/ 提供示例脚本,website/ 为项目网站相关文件,pyproject.toml 与 setup.py 负责构建配置。仓库包含 1,536 次提交,涉及的文件格式包括 json、txt、ipynb 与 py。
许可与版本
项目采用 MIT 许可证发布。最新版本为 4.1.2,于 2026 年 6 月 26 日发布。
基本信息
记录数量未知
文件大小未知
文件格式json, txt, ipynb, py
数据来源康奈尔大学 CornellNLP
许可证MIT
版本4.1.2
提交次数1,536
数据落地页https://github.com/CornellNLP/ConvoKit
发布日期2026-10-15
对话分析对话数据集计算社会科学自然语言处理特征提取
上架信息
数据集市运营
平台统一选品上架,经质量审核后公开
0 次下载