-
데이터 변경이력
데이터 변경이력 버전 일자 변경내용 비고 1.0 2022-07-12 데이터 최초 개방 데이터 히스토리
데이터 히스토리 일자 변경내용 비고 2024-11-07 산출물 수정 공개 AI모델 환경 설치가이드 2024-10-07 산출물 수정 공개 저작도구 2024-07-01 산출물 추가 공개 저작도구 2024-06-28 산출물 추가 공개 저작도구 2022-10-13 신규 샘플데이터 개방 2022-07-12 콘텐츠 최초 등록 소개
식음료, 주거와 생활, 교통, 교육, 가족 등 20여개 주제에 대한 자유로운 일상대화 텍스트를 수집한 후, 각 대화의 주제와 참여 화자정보, 화행이 나타나는 문장에 대한 라벨링을 통해, 한국어 일상대화의 주제, 화행 등 정보를 담은 데이터셋을 구성
구축목적
범용적 한국어 대화체 이해도 향상 및 대화 생성 기술 개발을 위한 자유대화 및 다양한 일상 주제 대화 텍스트 데이터 수집
-
메타데이터 구조표 데이터 영역 한국어 데이터 유형 텍스트 데이터 형식 txt 데이터 출처 워커 직접 생산물 수집 라벨링 유형 화자정보, 문장 화행 라벨링 형식 JSON 데이터 활용 서비스 챗봇 서비스 데이터 구축년도/
데이터 구축량2021년/109,614건 -
1. 데이터 구축 규모
- 텍스트 데이터 134,263건
2. 데이터 분포
- 주제 분포 : 식음료, 주거와 생활, 교통 등 20여개 주제
: 세부 수치는 아래 표와 같음2. 데이터 분포 순서 주제 건수 비율 1 식음료 5,176 4.7% 2 주거와 생활 5,439 5.0% 3 교통 5,614 5.1% 4 회사/아르바이트 5,550 5.1% 5 군대 5,255 4.8% 6 교육 5,680 5.2% 7 가족 5,599 5.1% 8 연애/결혼 5,461 5.0% 9 반려동물 5,322 4.9% 10 스포츠/레저 5,731 5.2% 11 게임 5,467 5.0% 12 여행 5,550 5.1% 13 계절/날씨 5,438 5.0% 14 사회이슈 5,338 4.9% 15 타 국가 이슈 5,072 4.6% 16 미용 5,775 5.3% 17 건강 5,534 5.0% 18 상거래 전반 5,591 5.1% 19 방송/연예 5,425 4.9% 20 영화/만화 5,597 5.1% 합계 109,614 100.0% - 화행 분포 : 단언하기, 지시하기, 언약하기, 표현하기 등 4개 화행
화행 분포표 순서 화행 건수 비율 1 단언하기 1,400,346 74.9% 2 지시하기 422,956 22.6% 3 언약하기 23,104 1.2% 4 표현하기 22,639 1.2% 합계 1,869,045 100.0% - 대화 플랫폼 분포 : 카카오톡, 페이스북, 인스타그램, 밴드, 네이트온 등 5개 플랫폼
대화 플랫폼 분포표 순서 플랫폼 건수 비율 1 KAKAO 89,805 81.9% 2 FACEBOOK 9,908 9.0% 3 INSTAGRAM 5,906 5.4% 4 BAND 1,997 1.8% 5 NATEON 1,998 1.8% 합계 109,614 100.0% - 화자 분포
화자 분포표 10대 20대 30대 40대 50대 이상 성별(총 건) 남성 2.0 15.4 10.1 8.0 2.0 37.6 여성 3.1 25.0 19.2 12.0 3.1 62.4 합계 5.1 40.4 29.3 20.1 5.1 100.0
-
-
AI 모델 상세 설명서 다운로드
AI 모델 다운로드 AI 모델 상세 설명서 다운로드1. 응용서비스 개요
- 응용서비스 명 - 인공지능 학습용 데이터사업 13번 과제 응용서비스 구축
- 구축 기간 - 2021. 11. 08 ~ 2022. 01. 17 (약 2.2개월)
- 구축 대상 - “배울학” 학원의 전기기사 수강안내 챗봇서비스 구축
- 구축 내용 - 지식베이스 구축 - 챗봇서비스 구축
2. 지식베이스 구축 내용
- 지식베이스 구축 - 배울학 학원 “전기가사” 수강안내 관련 지식베이스 구축
- 지식베이스 구축 범위 - 질의문 641건 - 카테고리 42건 - 콘텐츠 51건 - 질문별로 유사질의, 키워드, 동의어 등 포함하여 구축
3. 지식베이스 구축 내용
- 구현 방법
- 메뉴형, 대화형을 병용한 룰베이스 기반으로 구현
- 데이터 라벨을 활용한 규칙 기반(Rull Base) 챗봇서비스 구현
- 구축 화면
- 메뉴형 구현
- 메뉴형 구현
-
데이터 성능 점수
측정값 (%)기준값 (%)데이터 성능 지표
데이터 성능 지표 번호 측정항목 AI TASK 학습모델 지표명 기준값 점수 측정값 점수 1 주제 분류 정확도 Text Classification NBC + FastText F1-Score 0.75 점 0.8761 점 2 화행 분류 정확도 Text Classification NBC + FastText F1-Score 0.65 점 0.768 점
※ 데이터 성능 지표가 여러 개일 경우 각 항목을 클릭하면 해당 지표의 값이 그래프에 표기됩니다.
※ AI모델 평가 지표에 따라 측정값의 범위, 판단 기준이 달라질 수 있습니다. (ex. 오류율의 경우, 낮을수록 좋은 성능을 내는 것으로 평가됩니다)
-
설명서 및 활용가이드 다운로드
데이터 설명서 다운로드 구축활용가이드 다운로드1. 샘플데이터
1. 샘플데이터 파일명 KAKAO_2615_09 (플랫폼명_주제내순서_주제번호) 대화 주제 반려동물 대화 플랫폼 카카오톡 원천데이터 1 : 강아지가 갑자기 울고있는고야 거실에서
2 : 울어? 왜울어 언니가 괴롭혔어?
1 : 아니 키키 간식 올려둔거때문에
2 : 소고기 간식을 만든건데 키키 먹고 싶겠지
1 : 그거 보고 웅웅 거리고 있더라
2 : 어디에 올려뒀는데 내옆에서 으르렁 거리고 있어
1 : 맞어 키키 우리가 만든 강아지 수제간식 여미
2 : 응 수제 간식 만들고 나면 뿌듯해
1 : 아 키키 너 컵 키키 거기에 넣어뒀는디 키키 봐봐
2 : 컵에 왜 넣어뒀어 어쩐지 빼줘야 겠다
1 : 텀블러 컵 안에 있어서 빼먹고픈데 안되니까 웅웅 거리나봐 키키
2 : 왜 거기에 넣었어
2 : 어쩐지 옴청 웅웅거리면서 가만히 서있더라
1 : 키키 일부러 거기 넣으면 컵 넘어뜨려서 먹을 줄 알았는데
1 : 결국 너의 손이 닿아야 하는구나 키키 굿 걸~!2. 라벨링데이터 구성
2. 라벨링데이터 구성 구분 항목명 타입 필수여부 설명 범위 비고 1 Dataset 1.1 identifier number Y 데이터셋 식별자 1.2 name string Y 데이터셋 이름 1.3 src_path string Y 데이터셋 폴더 위치 1.4 label_path String Y 데이터셋 레이블 폴더 위치 1.5 category number Y 데이터셋 카테고리 1.6 type number Y 데이터셋 타입 2 licenses 2.1 name String N 라이센스 이름 2.2 url String N 문서 식별자 3 info 3.1 id number Y 3.2 filename string Y 3.3 title string Y 3.4 mediatype string Y 플랫폼 형태 SNS, 메신저 3.5 medianame string Y 플랫폼명 카카오톡, 네이트온 등 3.6 category string Y 일상대화 3.7 data string Y 3.8 size number Y 4 annotations 4.1 subject string Y 대화 주제 식음료, 교통, 가족 등 4.2 speaker_type string Y 화자 구성 1:1, 다자간 등 4.3 size number Y 크기(글자수) 4.4 word_size number Y 크기(단어수) 4.5 text string Y 데이터 내 대화 전체 5 lines 5.1 id String Y 화자 식별번호 1, 2 등 5.2 text string Y 5.3 norm_text string Y 6 speaker 6.1 id String Y 6.2 sex String Y 남녀 구분 남자, 여자 6.3 age String Y 연령대 10대, 20대 등 6.4 speechAct String Y 화행 6.5 morpheme String N 형태소 3. 라벨링데이터 실제예시
-
데이터셋 구축 담당자
수행기관(주관) : ㈜메트릭스리서치
수행기관(주관) 책임자명 전화번호 대표이메일 담당업무 이영미 02-6244-0706 [email protected] · 데이터 수집 · 데이터 정제 · 데이터 라벨링 수행기관(참여)
수행기관(참여) 기관명 담당업무 ㈜소리자바 · 데이터 수집
· 데이터 정제㈜코난테크놀로지 · 데이터 라벨링
· 모델 개발㈜에이스솔루션 · 품질검증 데이터 관련 문의처
데이터 관련 문의처 담당자명 전화번호 이메일 이영미 02-6244-0706 [email protected]
-
인터넷과 물리적으로 분리된 온라인·오프라인 공간으로 의료 데이터를 포함하여 보안 조치가 요구되는 데이터를 다운로드 없이 접근하고 분석 가능
* 온라인 안심존 : 보안이 보장된 온라인 네트워크를 통해 집, 연구실, 사무실 등 어디서나 접속하여 데이터에 접근하고 분석
* 오프라인 안심존 : 추가적인 보안이 필요한 데이터를 대상으로 지정된 물리적 공간에서만 접속하여 데이터에 접근하고 분석 -
- AI 허브 접속
신청자 - 안심존
사용신청신청자신청서류 제출* - 심사구축기관
- 승인구축기관
- 데이터 분석 활용신청자
- 분석모델반출신청자
- AI 허브 접속
-
1. 기관생명윤리위원회(IRB) 심의 결과 통지서 [IRB 알아보기] [공용IRB 심의신청 가이드라인]
2. 기관생명윤리위원회(IRB) 승인된 연구계획서
3. 신청자 소속 증빙 서류 (재직증명서, 재학증명서, 근로계약서 등 택1)
4. 안심존 이용 신청서 [다운로드]
5. 보안서약서 [다운로드]
※ 상기 신청서 및 첨부 서류를 완비한 후 신청을 진행하셔야 정상적으로 절차가 이루어집니다. -
신청 및 이용관련 문의는 [email protected] 또는 02-525-7708, 7709로 문의
데이터셋 다운로드 승인이 완료 된 후 API 다운로드 서비스를 이용하실 수 있습니다.
API 다운로드 파일은 분할 압축되어 다운로드 됩니다. 분할 압축 해제를 위해서는 분할 압축 파일들의 병합이 필요하며 리눅스 명령어 사용이 필요합니다.
리눅스 OS 계열에서 다운로드 받으시길 권장하며 윈도우에서 파일 다운로드 시 wsl(리눅스용 윈도우 하위 시스템) 설치가 필요합니다.
※ 파일 병합 리눅스 명령어
find "폴더경로" -name "파일명.zip.part*" -print0 | sort -zt'.' -k2V | xargs -0 cat > "파일명.zip"
- 해당 명령어 실행 시, 실행 경로 위치에 병합 압축 파일이 생성됩니다.
- 병합된 파일 용량이 0일 경우, 제대로 병합이 되지 않은 상태이니 "폴더경로"가 제대로 입력되었는지 확인 부탁드립니다.
※ 데이터셋 소개 페이지에서 다운로드 버튼 클릭하여 승인이 필요합니다.