모음
24 개 · GearDel
기어델 카탈로그에서 이 주제는 24개입니다 (텍스트 24개). 제공처: Hugging Face 3개, AI Hub 6개, GitHub 6개. 예: 한국어 대화 요약 데이터셋, DKTC (Dataset of Korean Threat Dialogue), 모두의 말뭉치: 뉴스. 상업 이용 가능 표기는 9개입니다. 대화 말뭉치는 챗봇과 요약에 맞습니다. 화자 표시와 개인정보 규칙은 제공처마다 다릅니다. 기어델은 파일을 보관하지 않으니 원본 주소에서 받습니다.
대화가 오가는 말뭉치입니다. 챗봇 학습, 대화 요약, 화자 나누기에 씁니다. 한 문장 감성 분류 데이터와 형식이 다릅니다.
메신저·구어 말뭉치는 비속어와 개인정보가 섞여 있을 수 있습니다. 국립국어원 계열은 사용서약이 있고, 그 외는 제공처의 비식별 안내를 따릅니다.
요약용 대화와 일상 잡담은 길이 분포가 다릅니다. 용도와 태그를 보고, 요약 모델에 잡담만 넣지 않는 것이 좋습니다.
상업 챗봇에 쓰려면 상업 이용 모음과 이 표를 겹쳐 봅니다. 대화체라고 해서 라이선스가 열리지는 않습니다.
받기 전에 라이선스와 제공처를 비교합니다. 24개 중 9개가 상업 이용 가능 표기입니다.
이 기기에서만 돌아가는 도구
상업 이용 가능
9
조건부
14
제한
1
이 모음 안의 행 수입니다. 다운로드 수가 아닙니다. 아래 라이선스는 저장된 표기 그대로입니다.
| 이름 | 용도 | 제공처 | 크기 | 라이선스 | 상업이용 |
|---|---|---|---|---|---|
| 한국어 대화 요약 데이터셋 | 한국어 요약 데이터셋 | AI Hub | 대용량 | AI Hub 이용안내 | 조건부 가능 |
| DKTC (Dataset of Korean Threat Dialogue) | 한국어 대화 데이터셋 | GitHub | 1.8MB | CC BY-NC-SA 4.0 | 불가 |
| 모두의 말뭉치: 뉴스 | 한국어 대화 데이터셋 | 국립국어원 | 대용량 | 국립국어원 사용서약 | 조건부 가능 |
| 모두의 말뭉치: 메신저 | 한국어 대화 데이터셋 | 국립국어원 | 3.5MB | 국립국어원 사용서약 | 조건부 가능 |
| 모두의 말뭉치: 일상 대화 | 한국어 대화 데이터셋 | 국립국어원 | 24.5MB | 국립국어원 사용서약 | 조건부 가능 |
| 모두의 말뭉치: 웹 문서 | 한국어 대화 데이터셋 | 국립국어원 | 1.2GB | 국립국어원 사용서약 | 조건부 가능 |
| 모두의 말뭉치: 구어 | 한국어 대화 데이터셋 | 국립국어원 | 520MB | 국립국어원 사용서약 | 조건부 가능 |
| 모두의 말뭉치: 도서 문장 | 한국어 대화 데이터셋 | 국립국어원 | 850MB | 국립국어원 사용서약 | 조건부 가능 |
| 모두의 말뭉치: 소셜 미디어 | 한국어 대화 데이터셋 | 국립국어원 | 120MB | 국립국어원 사용서약 | 조건부 가능 |
| SNS 소셜 대화 정제 데이터셋 | 한국어 대화 데이터셋 | AI Hub | 980MB | AI Hub 이용안내 | 조건부 가능 |
| 웹 기반 심층 뉴스 말뭉치 | 한국어 대화 데이터셋 | AI Hub | 2.4GB | AI Hub 이용안내 | 조건부 가능 |
| 산업별 전문 도메인 텍스트 말뭉치 | 한국어 대화 데이터셋 | AI Hub | 3.5GB | AI Hub 이용안내 | 조건부 가능 |
| 드라마 및 방송 연극 시나리오 대본 | 한국어 NLP 데이터셋 | AI Hub | 520MB | AI Hub 이용안내 | 조건부 가능 |
| 소셜 인플루언서 가상 멀티턴 메신저 대화 | 한국어 대화 데이터셋 | AI Hub | 310MB | AI Hub 이용안내 | 조건부 가능 |
| 한국어 일상 구어체 대화 데이터셋 | 한국어 대화 데이터셋 | Hugging Face | 대용량 | Apache 2.0 | 가능 |
| 송영숙 한국어 챗봇 문답 데이터셋 | 한국어 감성분석 데이터셋 | GitHub | 소용량 | MIT | 가능 |
| 한국어 위키백과 정제 말뭉치 | 한국어 대화 데이터셋 | GitHub | 중용량 | CC BY-SA 4.0 | 가능 |
| WanJuanSiLu 한국어 고품질 웹 텍스트 코퍼스 | 한국어 대화 데이터셋 | Hugging Face (opendatalab) | 124 GB | CC BY 4.0 | 가능 |
| KoELECTRA 보캡 최적화 원시 텍스트 말뭉치 | 한국어 대화 데이터셋 | GitHub (monologg) | 대용량 (34GB) | Apache 2.0 | 가능 |
| 한국 근현대 시 문학 말뭉치 | 한국어 대화 데이터셋 | GitHub | 소용량 | MIT | 가능 |
| 한국어 일상 스몰토크 치챗 코퍼스 | 한국어 감성분석 데이터셋 | GitHub | 중용량 | MIT | 가능 |
| 한국어 AI 모델 불법 및 탈옥 거부 응답 데이터셋 | 한국어 NLP 데이터셋 | Hugging Face | 소용량 | Apache 2.0 | 가능 |
| KoDialogBench 대화 이해 벤치마크 | 한국어 LLM 벤치마크 | Hugging Face | 82,962 예제, 21개 테스트셋 | CC BY-NC-SA 4.0 | 조건부 가능 |
| FunctionChat-Bench 한국어 도구 호출 | 한국어 LLM 벤치마크 | GitHub | 500 단일턴 + 45 멀티턴 | Apache 2.0 | 가능 |