-
Notifications
You must be signed in to change notification settings - Fork 57
New issue
Have a question about this project? Sign up for a free GitHub account to open an issue and contact its maintainers and the community.
By clicking “Sign up for GitHub”, you agree to our terms of service and privacy statement. We’ll occasionally send you account related emails.
Already on GitHub? Sign in to your account
Closes #83 | Implement Dataloader for GlobalWoZ #261
Changes from 4 commits
4fb6256
4d9f5c9
cd36267
823e0a7
4c0301d
1dcf67e
File filter
Filter by extension
Conversations
Jump to
Diff view
Diff view
There are no files selected for viewing
Original file line number | Diff line number | Diff line change | ||||||||||||||||||||||||||||||||||||||||||||||
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
@@ -0,0 +1,244 @@ | ||||||||||||||||||||||||||||||||||||||||||||||||
import os | ||||||||||||||||||||||||||||||||||||||||||||||||
import json | ||||||||||||||||||||||||||||||||||||||||||||||||
from pathlib import Path | ||||||||||||||||||||||||||||||||||||||||||||||||
from typing import Dict, List, Tuple | ||||||||||||||||||||||||||||||||||||||||||||||||
|
||||||||||||||||||||||||||||||||||||||||||||||||
import datasets | ||||||||||||||||||||||||||||||||||||||||||||||||
|
||||||||||||||||||||||||||||||||||||||||||||||||
from seacrowd.utils import schemas | ||||||||||||||||||||||||||||||||||||||||||||||||
from seacrowd.utils.configs import SEACrowdConfig | ||||||||||||||||||||||||||||||||||||||||||||||||
from seacrowd.utils.constants import Tasks, Licenses | ||||||||||||||||||||||||||||||||||||||||||||||||
|
||||||||||||||||||||||||||||||||||||||||||||||||
_CITATION = """\ | ||||||||||||||||||||||||||||||||||||||||||||||||
@inproceedings{ding-etal-2022-globalwoz, | ||||||||||||||||||||||||||||||||||||||||||||||||
title = "{G}lobal{W}o{Z}: Globalizing {M}ulti{W}o{Z} to Develop Multilingual Task-Oriented Dialogue Systems", | ||||||||||||||||||||||||||||||||||||||||||||||||
author = "Ding, Bosheng and | ||||||||||||||||||||||||||||||||||||||||||||||||
Hu, Junjie and | ||||||||||||||||||||||||||||||||||||||||||||||||
Bing, Lidong and | ||||||||||||||||||||||||||||||||||||||||||||||||
Aljunied, Mahani and | ||||||||||||||||||||||||||||||||||||||||||||||||
Joty, Shafiq and | ||||||||||||||||||||||||||||||||||||||||||||||||
Si, Luo and | ||||||||||||||||||||||||||||||||||||||||||||||||
Miao, Chunyan", | ||||||||||||||||||||||||||||||||||||||||||||||||
editor = "Muresan, Smaranda and | ||||||||||||||||||||||||||||||||||||||||||||||||
Nakov, Preslav and | ||||||||||||||||||||||||||||||||||||||||||||||||
Villavicencio, Aline", | ||||||||||||||||||||||||||||||||||||||||||||||||
booktitle = "Proceedings of the 60th Annual Meeting of the Association for Computational Linguistics (Volume 1: Long Papers)", | ||||||||||||||||||||||||||||||||||||||||||||||||
month = may, | ||||||||||||||||||||||||||||||||||||||||||||||||
year = "2022", | ||||||||||||||||||||||||||||||||||||||||||||||||
} | ||||||||||||||||||||||||||||||||||||||||||||||||
""" | ||||||||||||||||||||||||||||||||||||||||||||||||
|
||||||||||||||||||||||||||||||||||||||||||||||||
_DATASETNAME = "[globalwoz]" | ||||||||||||||||||||||||||||||||||||||||||||||||
|
||||||||||||||||||||||||||||||||||||||||||||||||
_DESCRIPTION = """\ | ||||||||||||||||||||||||||||||||||||||||||||||||
This is the data of the paper “GlobalWoZ: Globalizing MultiWoZ to Develop Multilingual Task-Oriented Dialogue Systems” accepted by ACL 2022. The dataset contains several sub-datasets in 20 languages and 3 schemes (F&E, E&F, F&F), including Indonesian (id), Thai (th), and Vietnamese (vi) language. The method is based on translating dialogue templates and filling them with local entities in the target language countries. | ||||||||||||||||||||||||||||||||||||||||||||||||
""" | ||||||||||||||||||||||||||||||||||||||||||||||||
|
||||||||||||||||||||||||||||||||||||||||||||||||
|
||||||||||||||||||||||||||||||||||||||||||||||||
_HOMEPAGE = "https://github.com/bosheng2020/globalwoz" | ||||||||||||||||||||||||||||||||||||||||||||||||
|
||||||||||||||||||||||||||||||||||||||||||||||||
|
||||||||||||||||||||||||||||||||||||||||||||||||
_LANGUAGES = ["ind", "tha", "vie"] | ||||||||||||||||||||||||||||||||||||||||||||||||
|
||||||||||||||||||||||||||||||||||||||||||||||||
_LICENSE = Licenses.UNKNOWN.value | ||||||||||||||||||||||||||||||||||||||||||||||||
|
||||||||||||||||||||||||||||||||||||||||||||||||
_LOCAL = True | ||||||||||||||||||||||||||||||||||||||||||||||||
|
||||||||||||||||||||||||||||||||||||||||||||||||
_URLS = {} | ||||||||||||||||||||||||||||||||||||||||||||||||
|
||||||||||||||||||||||||||||||||||||||||||||||||
_SUPPORTED_TASKS = [Tasks.E2E_TASK_ORIENTED_DIALOGUE] | ||||||||||||||||||||||||||||||||||||||||||||||||
|
||||||||||||||||||||||||||||||||||||||||||||||||
_SOURCE_VERSION = "2.0.0" | ||||||||||||||||||||||||||||||||||||||||||||||||
|
||||||||||||||||||||||||||||||||||||||||||||||||
_SEACROWD_VERSION = "1.0.0" | ||||||||||||||||||||||||||||||||||||||||||||||||
|
||||||||||||||||||||||||||||||||||||||||||||||||
|
||||||||||||||||||||||||||||||||||||||||||||||||
def seacrowd_config_constructor(dial_type, lang, schema, version): | ||||||||||||||||||||||||||||||||||||||||||||||||
if dial_type not in ["EandF", "FandE", "FandF"]: | ||||||||||||||||||||||||||||||||||||||||||||||||
raise ValueError(f"Invalid dialogue type {dial_type}") | ||||||||||||||||||||||||||||||||||||||||||||||||
|
||||||||||||||||||||||||||||||||||||||||||||||||
if lang == "": | ||||||||||||||||||||||||||||||||||||||||||||||||
raise ValueError(f"Invalid lang {lang}") | ||||||||||||||||||||||||||||||||||||||||||||||||
|
||||||||||||||||||||||||||||||||||||||||||||||||
if schema not in ["source", "seacrowd_tod"]: | ||||||||||||||||||||||||||||||||||||||||||||||||
raise ValueError(f"Invalid schema: {schema}") | ||||||||||||||||||||||||||||||||||||||||||||||||
|
||||||||||||||||||||||||||||||||||||||||||||||||
return SEACrowdConfig( | ||||||||||||||||||||||||||||||||||||||||||||||||
name="globalwoz_{dial_type}_{lang}_{schema}".format(dial_type=dial_type, lang=lang, schema=schema), | ||||||||||||||||||||||||||||||||||||||||||||||||
version=datasets.Version(version), | ||||||||||||||||||||||||||||||||||||||||||||||||
description="GlobalWoZ schema for {schema}: {dial_type}_{lang}".format(schema=schema, dial_type=dial_type, lang=lang), | ||||||||||||||||||||||||||||||||||||||||||||||||
schema=schema, | ||||||||||||||||||||||||||||||||||||||||||||||||
subset_id="globalwoz_{dial_type}_{lang}".format(dial_type=dial_type, lang=lang), | ||||||||||||||||||||||||||||||||||||||||||||||||
) | ||||||||||||||||||||||||||||||||||||||||||||||||
|
||||||||||||||||||||||||||||||||||||||||||||||||
|
||||||||||||||||||||||||||||||||||||||||||||||||
class GlobalWoZ(datasets.GeneratorBasedBuilder): | ||||||||||||||||||||||||||||||||||||||||||||||||
"""This is the data of the paper “GlobalWoZ: Globalizing MultiWoZ to Develop Multilingual Task-Oriented Dialogue Systems” accepted by ACL 2022. | ||||||||||||||||||||||||||||||||||||||||||||||||
The dataset contains several sub-datasets in 20 languages and 3 schemes (F&E, E&F, F&F), including Indonesian (id), Thai (th), | ||||||||||||||||||||||||||||||||||||||||||||||||
and Vietnamese (vi) language. The method is based on translating dialogue templates and filling them with local entities in the target language countries. | ||||||||||||||||||||||||||||||||||||||||||||||||
""" | ||||||||||||||||||||||||||||||||||||||||||||||||
|
||||||||||||||||||||||||||||||||||||||||||||||||
SOURCE_VERSION = datasets.Version(_SOURCE_VERSION) | ||||||||||||||||||||||||||||||||||||||||||||||||
SEACROWD_VERSION = datasets.Version(_SEACROWD_VERSION) | ||||||||||||||||||||||||||||||||||||||||||||||||
|
||||||||||||||||||||||||||||||||||||||||||||||||
BUILDER_CONFIGS = [ | ||||||||||||||||||||||||||||||||||||||||||||||||
seacrowd_config_constructor("EandF", "id", "source", _SOURCE_VERSION), | ||||||||||||||||||||||||||||||||||||||||||||||||
seacrowd_config_constructor("EandF", "th", "source", _SOURCE_VERSION), | ||||||||||||||||||||||||||||||||||||||||||||||||
seacrowd_config_constructor("EandF", "vi", "source", _SOURCE_VERSION), | ||||||||||||||||||||||||||||||||||||||||||||||||
seacrowd_config_constructor("FandE", "id", "source", _SOURCE_VERSION), | ||||||||||||||||||||||||||||||||||||||||||||||||
seacrowd_config_constructor("FandE", "th", "source", _SOURCE_VERSION), | ||||||||||||||||||||||||||||||||||||||||||||||||
seacrowd_config_constructor("FandE", "vi", "source", _SOURCE_VERSION), | ||||||||||||||||||||||||||||||||||||||||||||||||
seacrowd_config_constructor("FandF", "id", "source", _SOURCE_VERSION), | ||||||||||||||||||||||||||||||||||||||||||||||||
seacrowd_config_constructor("FandF", "th", "source", _SOURCE_VERSION), | ||||||||||||||||||||||||||||||||||||||||||||||||
seacrowd_config_constructor("FandF", "vi", "source", _SOURCE_VERSION), | ||||||||||||||||||||||||||||||||||||||||||||||||
seacrowd_config_constructor("EandF", "id", "seacrowd_tod", _SEACROWD_VERSION), | ||||||||||||||||||||||||||||||||||||||||||||||||
seacrowd_config_constructor("EandF", "th", "seacrowd_tod", _SEACROWD_VERSION), | ||||||||||||||||||||||||||||||||||||||||||||||||
seacrowd_config_constructor("EandF", "vi", "seacrowd_tod", _SEACROWD_VERSION), | ||||||||||||||||||||||||||||||||||||||||||||||||
seacrowd_config_constructor("FandE", "id", "seacrowd_tod", _SEACROWD_VERSION), | ||||||||||||||||||||||||||||||||||||||||||||||||
seacrowd_config_constructor("FandE", "th", "seacrowd_tod", _SEACROWD_VERSION), | ||||||||||||||||||||||||||||||||||||||||||||||||
seacrowd_config_constructor("FandE", "vi", "seacrowd_tod", _SEACROWD_VERSION), | ||||||||||||||||||||||||||||||||||||||||||||||||
seacrowd_config_constructor("FandF", "id", "seacrowd_tod", _SEACROWD_VERSION), | ||||||||||||||||||||||||||||||||||||||||||||||||
seacrowd_config_constructor("FandF", "th", "seacrowd_tod", _SEACROWD_VERSION), | ||||||||||||||||||||||||||||||||||||||||||||||||
seacrowd_config_constructor("FandF", "vi", "seacrowd_tod", _SEACROWD_VERSION), | ||||||||||||||||||||||||||||||||||||||||||||||||
] | ||||||||||||||||||||||||||||||||||||||||||||||||
There was a problem hiding this comment. Choose a reason for hiding this commentThe reason will be displayed to describe this comment to others. Learn more. mind replacing this by using smth like this:
Suggested change
|
||||||||||||||||||||||||||||||||||||||||||||||||
|
||||||||||||||||||||||||||||||||||||||||||||||||
DEFAULT_CONFIG_NAME = "globalwoz_EandF_id_source" | ||||||||||||||||||||||||||||||||||||||||||||||||
There was a problem hiding this comment. Choose a reason for hiding this commentThe reason will be displayed to describe this comment to others. Learn more. since |
||||||||||||||||||||||||||||||||||||||||||||||||
|
||||||||||||||||||||||||||||||||||||||||||||||||
def _info(self) -> datasets.DatasetInfo: | ||||||||||||||||||||||||||||||||||||||||||||||||
if self.config.schema == "source": | ||||||||||||||||||||||||||||||||||||||||||||||||
features = datasets.Features( | ||||||||||||||||||||||||||||||||||||||||||||||||
{ | ||||||||||||||||||||||||||||||||||||||||||||||||
"id": datasets.Value("string"), | ||||||||||||||||||||||||||||||||||||||||||||||||
"goal": { | ||||||||||||||||||||||||||||||||||||||||||||||||
"attraction": datasets.Value("string"), | ||||||||||||||||||||||||||||||||||||||||||||||||
"hospital": datasets.Value("string"), | ||||||||||||||||||||||||||||||||||||||||||||||||
"hotel": datasets.Value("string"), | ||||||||||||||||||||||||||||||||||||||||||||||||
"police": datasets.Value("string"), | ||||||||||||||||||||||||||||||||||||||||||||||||
"restaurant": datasets.Value("string"), | ||||||||||||||||||||||||||||||||||||||||||||||||
"taxi": datasets.Value("string"), | ||||||||||||||||||||||||||||||||||||||||||||||||
"train": datasets.Value("string"), | ||||||||||||||||||||||||||||||||||||||||||||||||
}, | ||||||||||||||||||||||||||||||||||||||||||||||||
"log": [ | ||||||||||||||||||||||||||||||||||||||||||||||||
{ | ||||||||||||||||||||||||||||||||||||||||||||||||
"dialog_act": datasets.Value("string"), | ||||||||||||||||||||||||||||||||||||||||||||||||
"metadata": datasets.Value("string"), | ||||||||||||||||||||||||||||||||||||||||||||||||
"span_info": [[datasets.Value("string")]], | ||||||||||||||||||||||||||||||||||||||||||||||||
"text": datasets.Value("string"), | ||||||||||||||||||||||||||||||||||||||||||||||||
} | ||||||||||||||||||||||||||||||||||||||||||||||||
], | ||||||||||||||||||||||||||||||||||||||||||||||||
} | ||||||||||||||||||||||||||||||||||||||||||||||||
) | ||||||||||||||||||||||||||||||||||||||||||||||||
|
||||||||||||||||||||||||||||||||||||||||||||||||
elif self.config.schema == "seacrowd_tod": | ||||||||||||||||||||||||||||||||||||||||||||||||
features = schemas.tod_features | ||||||||||||||||||||||||||||||||||||||||||||||||
else: | ||||||||||||||||||||||||||||||||||||||||||||||||
raise NotImplementedError() | ||||||||||||||||||||||||||||||||||||||||||||||||
|
||||||||||||||||||||||||||||||||||||||||||||||||
return datasets.DatasetInfo( | ||||||||||||||||||||||||||||||||||||||||||||||||
description=_DESCRIPTION, | ||||||||||||||||||||||||||||||||||||||||||||||||
features=features, | ||||||||||||||||||||||||||||||||||||||||||||||||
homepage=_HOMEPAGE, | ||||||||||||||||||||||||||||||||||||||||||||||||
license=_LICENSE, | ||||||||||||||||||||||||||||||||||||||||||||||||
citation=_CITATION, | ||||||||||||||||||||||||||||||||||||||||||||||||
) | ||||||||||||||||||||||||||||||||||||||||||||||||
|
||||||||||||||||||||||||||||||||||||||||||||||||
def _split_generators(self, dl_manager: datasets.DownloadManager) -> List[datasets.SplitGenerator]: | ||||||||||||||||||||||||||||||||||||||||||||||||
"""Returns SplitGenerators.""" | ||||||||||||||||||||||||||||||||||||||||||||||||
_split_generators = [] | ||||||||||||||||||||||||||||||||||||||||||||||||
|
||||||||||||||||||||||||||||||||||||||||||||||||
type_and_lang = {"dial_type": self.config.subset_id.split("_")[1].replace("and", "&"), "lang": self.config.subset_id.split("_")[2]} # globalwoz_{dial_type}_{lang} | ||||||||||||||||||||||||||||||||||||||||||||||||
|
||||||||||||||||||||||||||||||||||||||||||||||||
if self.config.data_dir is None: | ||||||||||||||||||||||||||||||||||||||||||||||||
raise ValueError("This is a local dataset. Please pass the data_dir kwarg to load_dataset.") | ||||||||||||||||||||||||||||||||||||||||||||||||
else: | ||||||||||||||||||||||||||||||||||||||||||||||||
data_dir = self.config.data_dir | ||||||||||||||||||||||||||||||||||||||||||||||||
|
||||||||||||||||||||||||||||||||||||||||||||||||
if not os.path.exists(os.path.join(data_dir, f"{type_and_lang['dial_type']}_{type_and_lang['lang']}.json")): | ||||||||||||||||||||||||||||||||||||||||||||||||
raise FileNotFoundError() | ||||||||||||||||||||||||||||||||||||||||||||||||
|
||||||||||||||||||||||||||||||||||||||||||||||||
return [ | ||||||||||||||||||||||||||||||||||||||||||||||||
datasets.SplitGenerator( | ||||||||||||||||||||||||||||||||||||||||||||||||
name=datasets.Split.TRAIN, | ||||||||||||||||||||||||||||||||||||||||||||||||
gen_kwargs={ | ||||||||||||||||||||||||||||||||||||||||||||||||
# "filepath": data_dir + f"_{type_and_lang['dial_type']}_{type_and_lang['lang']}.json", | ||||||||||||||||||||||||||||||||||||||||||||||||
"filepath": os.path.join(data_dir, f"{type_and_lang['dial_type']}_{type_and_lang['lang']}.json"), | ||||||||||||||||||||||||||||||||||||||||||||||||
"split": "train", | ||||||||||||||||||||||||||||||||||||||||||||||||
}, | ||||||||||||||||||||||||||||||||||||||||||||||||
), | ||||||||||||||||||||||||||||||||||||||||||||||||
] | ||||||||||||||||||||||||||||||||||||||||||||||||
|
||||||||||||||||||||||||||||||||||||||||||||||||
def _generate_examples(self, filepath: Path, split: str) -> Tuple[int, Dict]: | ||||||||||||||||||||||||||||||||||||||||||||||||
"""Yields examples as (key, example) tuples.""" | ||||||||||||||||||||||||||||||||||||||||||||||||
# For local datasets you will have access to self.config.data_dir and self.config.data_files | ||||||||||||||||||||||||||||||||||||||||||||||||
with open(filepath, "r+", encoding="utf8") as fw: | ||||||||||||||||||||||||||||||||||||||||||||||||
data = json.load(fw) | ||||||||||||||||||||||||||||||||||||||||||||||||
|
||||||||||||||||||||||||||||||||||||||||||||||||
if self.config.schema == "source": | ||||||||||||||||||||||||||||||||||||||||||||||||
for idx, tod_dialogue in enumerate(data.values()): | ||||||||||||||||||||||||||||||||||||||||||||||||
example = {} | ||||||||||||||||||||||||||||||||||||||||||||||||
example["id"] = str(idx) | ||||||||||||||||||||||||||||||||||||||||||||||||
example["goal"] = {} | ||||||||||||||||||||||||||||||||||||||||||||||||
|
||||||||||||||||||||||||||||||||||||||||||||||||
for goal_key in ["attraction", "hospital", "hotel", "police", "restaurant", "taxi", "train"]: | ||||||||||||||||||||||||||||||||||||||||||||||||
example["goal"][goal_key] = json.dumps(tod_dialogue["goal"][goal_key]) | ||||||||||||||||||||||||||||||||||||||||||||||||
example["log"] = [] | ||||||||||||||||||||||||||||||||||||||||||||||||
|
||||||||||||||||||||||||||||||||||||||||||||||||
for dial_log in tod_dialogue["log"]: | ||||||||||||||||||||||||||||||||||||||||||||||||
dial = {} | ||||||||||||||||||||||||||||||||||||||||||||||||
dial["dialog_act"] = json.dumps(dial_log["dialog_act"]) | ||||||||||||||||||||||||||||||||||||||||||||||||
dial["metadata"] = json.dumps(dial_log["metadata"]) | ||||||||||||||||||||||||||||||||||||||||||||||||
for i in range(len(dial_log["span_info"])): | ||||||||||||||||||||||||||||||||||||||||||||||||
for j in range(len(dial_log["span_info"][i])): | ||||||||||||||||||||||||||||||||||||||||||||||||
dial_log["span_info"][i][j] = str(dial_log["span_info"][i][j]) # casting to str | ||||||||||||||||||||||||||||||||||||||||||||||||
dial["span_info"] = [[str(span)] if isinstance(span, str) else span for span in dial_log["span_info"]] | ||||||||||||||||||||||||||||||||||||||||||||||||
dial["text"] = dial_log["text"] | ||||||||||||||||||||||||||||||||||||||||||||||||
|
||||||||||||||||||||||||||||||||||||||||||||||||
example["log"].append(dial) | ||||||||||||||||||||||||||||||||||||||||||||||||
|
||||||||||||||||||||||||||||||||||||||||||||||||
yield example["id"], example | ||||||||||||||||||||||||||||||||||||||||||||||||
|
||||||||||||||||||||||||||||||||||||||||||||||||
elif self.config.schema == "seacrowd_tod": | ||||||||||||||||||||||||||||||||||||||||||||||||
for idx, tod_dialogue in enumerate(data.values()): | ||||||||||||||||||||||||||||||||||||||||||||||||
example = {} | ||||||||||||||||||||||||||||||||||||||||||||||||
example["dialogue_idx"] = idx | ||||||||||||||||||||||||||||||||||||||||||||||||
|
||||||||||||||||||||||||||||||||||||||||||||||||
dialogue = [] | ||||||||||||||||||||||||||||||||||||||||||||||||
# NOTE: the dialogue always started with `user` as first utterance | ||||||||||||||||||||||||||||||||||||||||||||||||
for turn, i in enumerate(range(0, len(tod_dialogue["log"]) + 2, 2)): | ||||||||||||||||||||||||||||||||||||||||||||||||
dial = {} | ||||||||||||||||||||||||||||||||||||||||||||||||
dial["turn_idx"] = turn | ||||||||||||||||||||||||||||||||||||||||||||||||
|
||||||||||||||||||||||||||||||||||||||||||||||||
# system_utterance properties | ||||||||||||||||||||||||||||||||||||||||||||||||
dial["system_utterance"] = "" | ||||||||||||||||||||||||||||||||||||||||||||||||
dial["system_acts"] = [] | ||||||||||||||||||||||||||||||||||||||||||||||||
if turn != 0: | ||||||||||||||||||||||||||||||||||||||||||||||||
dial["system_utterance"] = tod_dialogue["log"][i - 1]["text"] | ||||||||||||||||||||||||||||||||||||||||||||||||
if i < len(tod_dialogue["log"]): | ||||||||||||||||||||||||||||||||||||||||||||||||
# NOTE: "system_acts will be populated with the `dialog_act` from the user utterance in the original dataset, as our schema dictates | ||||||||||||||||||||||||||||||||||||||||||||||||
# that `system_acts` should represent the system's intended actions based on the user's utterance." | ||||||||||||||||||||||||||||||||||||||||||||||||
for acts in tod_dialogue["log"][i]["dialog_act"].values(): | ||||||||||||||||||||||||||||||||||||||||||||||||
for act in acts: | ||||||||||||||||||||||||||||||||||||||||||||||||
dial["system_acts"].append([act[0]]) | ||||||||||||||||||||||||||||||||||||||||||||||||
|
||||||||||||||||||||||||||||||||||||||||||||||||
# user_utterance properties | ||||||||||||||||||||||||||||||||||||||||||||||||
dial["turn_label"] = [] # left as an empty array | ||||||||||||||||||||||||||||||||||||||||||||||||
dial["belief_state"] = [] | ||||||||||||||||||||||||||||||||||||||||||||||||
if i == len(tod_dialogue["log"]): | ||||||||||||||||||||||||||||||||||||||||||||||||
# case if turn_idx > len(dialogue) --> add dummy user_utterance | ||||||||||||||||||||||||||||||||||||||||||||||||
dial["user_utterance"] = "" | ||||||||||||||||||||||||||||||||||||||||||||||||
else: | ||||||||||||||||||||||||||||||||||||||||||||||||
dial["user_utterance"] = tod_dialogue["log"][i]["text"] | ||||||||||||||||||||||||||||||||||||||||||||||||
# NOTE: "the belief_state will be populated with the `span_info` from the user utterance in the original dataset, as our schema dictates | ||||||||||||||||||||||||||||||||||||||||||||||||
# that `belief_state` should represent the system's belief state based on the user's utterance." | ||||||||||||||||||||||||||||||||||||||||||||||||
for span in tod_dialogue["log"][i]["span_info"]: | ||||||||||||||||||||||||||||||||||||||||||||||||
if span[0].split("-")[1] == "request": # Request action | ||||||||||||||||||||||||||||||||||||||||||||||||
dial["belief_state"].append({"slots": [["slot", span[1]]], "act": "request"}) | ||||||||||||||||||||||||||||||||||||||||||||||||
else: | ||||||||||||||||||||||||||||||||||||||||||||||||
dial["belief_state"].append({"slots": [[span[1], span[2]]], "act": span[0].split("-")[1]}) | ||||||||||||||||||||||||||||||||||||||||||||||||
|
||||||||||||||||||||||||||||||||||||||||||||||||
# append to dialogue | ||||||||||||||||||||||||||||||||||||||||||||||||
dialogue.append(dial) | ||||||||||||||||||||||||||||||||||||||||||||||||
|
||||||||||||||||||||||||||||||||||||||||||||||||
example["dialogue"] = dialogue | ||||||||||||||||||||||||||||||||||||||||||||||||
|
||||||||||||||||||||||||||||||||||||||||||||||||
yield example["dialogue_idx"], example |
There was a problem hiding this comment.
Choose a reason for hiding this comment
The reason will be displayed to describe this comment to others. Learn more.
keep this as string w/o any non word char