数据集概述
本数据集改编自加拿大菲沙河谷大学创建的Group Affect and Performance数据集，包含手动标注的重叠话语（分为真实打断和非真实打断）音频文件、结构化标注数据及原始完整会议音频与转录文本。数据源于14组会议，从355个重叠话语实例中筛选出200个真实打断，支持对话打断行为的分析研究。
文件详解
- 文件名称：LICENSE.txt
- 文件格式：TXT
- 字段映射介绍：包含Creative Commons Attribution-NonCommercial 4.0 International许可协议内容
- 文件名称：data.json
- 文件格式：JSON
- 字段映射介绍：记录所有重叠话语实例的标注信息，包括所属组、说话人、话语起始时间及分类（interruption/non-interruption）
- 文件名称：audio-and-transcripts.zip
- 文件格式：ZIP
- 字段映射介绍：压缩包包含两部分内容，一是按“Group [组号]: [起始时间] - [结束时间].wav”命名的打断音频片段；二是原始完整会议音频与转录文本，用于提供打断上下文
数据来源
加拿大菲沙河谷大学创建的Group Affect and Performance数据集
适用场景
- 对话打断行为分析: 基于手动标注的真实/非真实打断分类，研究会议场景中打断行为的特征与模式
- 语音交互模型训练: 利用标注音频数据训练对话系统的打断检测与处理模块
- 社会语言学研究: 分析会议中打断行为与参与者角色、对话流向的关系
- 情感计算辅助研究: 结合原始会议转录文本，探究打断行为与群体情绪、表现的关联
- 对话上下文理解: 通过原始完整会议音频与转录，评估打断行为的语境依赖性
