4.4 千万 TOKEN 心理咨询语料库发布，专为大模型，让人工智能技术更好的服务人 | Chatopera

2023 年，全网火爆聊天机器人，不同行业企业开始探索应用大模型于垂直领域，当算法和算力已经被证明是行之有效的，那么重头戏就是数据了，Chatopera 近日发布了心理咨询行业的又一大规模语料 - 包含 4.4 千万 TOKEN 的多轮对话语料 - 心理咨询问答原始语料库（Emotional First Aid Raw Dataset），将进一步催化机器学习 Transformer 技术在心理健康领域的应用，该工具包目前已经在 GitHub，Gitee 上可进一步的了解使用。

数据示例

{
  "title": "女 最近感觉好困好累，感觉好压抑，没有人理解自己，好多好多问题弄得我自己身心疲惫，活着好累啊。人为什么要活着啊，最好躺在那里永远不要起来",
  "date": "2017-12-31 21:20:25",
  "owner": "匿名",
  "id": "5e6b9b94d037ed455ee9c9d7",
  "chats": [
    {
      "sender": "audience",
      "value": "您好！",
      "time": "21:20:44",
      "name": "Audience5"
    },
    {
      "sender": "audience",
      "value": "您今年多大了？这种好累的感觉有多久？",
      "time": "21:22:13",
      "name": "Audience3"
    },
    {
      "sender": "audience",
      "value": "你好，理解你的心情",
      "time": "21:27:07",
      "name": "Audience1"
    },
    {
      "sender": "audience",
      "value": "您好！发生了什么有影响的事件了吗？",
      "time": "21:28:51",
      "name": "Audience10"
    },
    {
      "time": "07:26:01",
      "sender": "owner",
      "value": "很多事情，老公的不理解，婆婆的无理取闹，大姑姐也闹，做的我身心疲惫"
    },
    {
      "time": "07:26:45",
      "sender": "owner",
      "value": "如果没有孩子这日子没法过了"
    },
    {
      "sender": "audience",
      "value": "请升级你的软件否则无法收到信息",
      "time": "08:13:41",
      "name": "Audience9"
    }
  ]
}

语料特点

• 规模大，话题数：172,316 （每个话题都带有评论），消息总数：2,381,273 (话题+评论的消息总数)，消息文本规模：44,514,786 (全部话题和评论的文本字符的总计)
• 稀缺性，数据始于 2017 年的可公开访问的网站，目前一些数据已经不能公开访问
• 连续上下文的多轮对话，平均每个话题的评论数： 12.8 个

目前，该语料下载是通过 Chatopera 证书商店购买证书后下载使用的，获取更多详细信息，请访问官网地址，见下。

官网地址

• GitHub https://github.com/chatopera/efaqa-corpus-raw/
• Gitee https://gitee.com/chatopera/efaqa-corpus-raw/