renhehuang/coffee-order-zhtw

本資料集由OllaForge生成

Coffee Order Dataset (繁體中文/Traditional Chinese)

專為咖啡點餐場景設計的繁體中文多輪對話資料集，適用於訓練任務導向對話系統。

資料集描述

此資料集包含模擬咖啡店點餐場景的多輪對話，涵蓋各種點餐情境，包括：

• 基本點餐流程
• 訂單修改與取消
• 處理菜單外品項
• 處理超出限制的請求（如加兩份濃縮）
• 口語化表達理解

語言

• 繁體中文（台灣）
• 包含台灣口語表達（如「ㄋㄟㄋㄟ」）

資料規模

項目	數量
總對話數	2,939
平均輪數	2-6 輪
語言	繁體中文

資料格式

每筆資料為 JSONL 格式，包含 conversations 欄位：

{
  "conversations": [
    {
      "role": "system",
      "content": "你是一位專業的助理，負責協助使用者完成「你是一位專業的咖啡點餐助理，負責協助使用者完成點餐。菜單包含：美式、拿鐵、燕麥奶拿鐵、鮮奶。規則：1. 所有飲品統一為「大杯」。2. 可選擇「冰」或「熱」。3. 每杯可選擇「加一份濃縮咖啡」。請用自然、友善的台灣繁體中文語氣回應。」相關的任務。請用自然、友善的語氣回應。"
    },
    {
      "role": "user",
      "content": "我要咖啡"
    },
    {
      "role": "assistant",
      "content": "請問您想要哪一種咖啡呢？美式、拿鐵、燕麥奶拿鐵或鮮奶？"
    }
  ]
}

欄位說明

欄位	類型	說明
conversations	array	對話輪次陣列
conversations[].role	string	角色：system / user / assistant
conversations[].content	string	對話內容

菜單設定

飲品選項

飲品	說明
美式	經典美式咖啡
拿鐵	濃縮咖啡加牛奶
燕麥奶拿鐵	濃縮咖啡加燕麥奶
鮮奶	純鮮奶

客製化選項

選項	可選值
溫度	冰 / 熱
濃縮咖啡	加一份（每杯限一份）
杯型	大杯（固定）

對話情境分類

1. 基本點餐

用戶：我要咖啡
助理：請問您想要哪一種咖啡呢？美式、拿鐵、燕麥奶拿鐵或鮮奶？
用戶：拿鐵
助理：好的，一杯大杯拿鐵。請問是熱的還是冰的？
用戶：冰的
助理：好的，冰拿鐵。還需要加一份濃縮咖啡嗎？

2. 一次性完整點餐

用戶：我想點三杯，第一杯熱美式加濃縮、第二杯冰燕麥奶拿鐵、第三杯熱鮮奶
助理：好的，您的訂單如下：
1. 一杯熱美式大杯加濃縮咖啡
2. 一杯冰燕麥奶拿鐵大杯
3. 一杯熱鮮奶大杯
請問還需要其他嗎？

3. 訂單修改

用戶：先點一杯大杯美式冰
助理：好的，一杯大杯冰美式已加入您的點單。
用戶：改成大杯拿鐵熱
助理：好的，已將飲品改為一杯大杯熱拿鐵，謝謝！

4. 訂單取消

用戶：我想取消剛剛點的那杯咖啡
助理：已經為您取消剛剛的訂單。若還有其他需要，隨時告訴我喔！

5. 處理菜單外品項

用戶：我要一杯藍莓拿鐵
助理：抱歉，我們目前只提供美式、拿鐵、燕麥奶拿鐵和鮮奶，沒有藍莓拿鐵。請問您想要其他咖啡嗎？

6. 處理超出限制的請求

用戶：我要一杯拿鐵加兩份濃縮咖啡
助理：每杯只能加一份濃縮咖啡，請問您要加一份還是不要加？

7. 口語化表達

用戶：ㄋㄟㄋㄟ
助理：請問您想點什麼飲品？我們提供美式、拿鐵、燕麥奶拿鐵、鮮奶...

使用方式

使用 Hugging Face Datasets

from datasets import load_dataset

dataset = load_dataset("your-username/coffee-order-zhtw")
print(dataset)
print(dataset["train"][0])

本地載入 JSONL

import json

def load_jsonl(path):
    data = []
    with open(path, "r", encoding="utf-8") as f:
        for line in f:
            data.append(json.loads(line.strip()))
    return data

data = load_jsonl("coffee_order_zhtw.jsonl")
print(f"載入 {len(data)} 筆對話")

轉換為訓練格式

from transformers import AutoTokenizer

tokenizer = AutoTokenizer.from_pretrained("Qwen/Qwen3-1.7B")

def format_conversation(example):
    messages = [{"role": turn["role"], "content": turn["content"]} 
                for turn in example["conversations"]]
    text = tokenizer.apply_chat_template(messages, tokenize=False)
    return {"text": text}

適用場景

• 任務導向對話系統訓練
• 咖啡點餐 Chatbot 開發
• 繁體中文 SFT 微調
• 多輪對話理解研究

授權

本資料集基於 Apache 2.0 授權發布。

引用

@misc{coffee-order-zhtw-2024,
  author = {Your Name},
  title = {Coffee Order Dataset (Traditional Chinese)},
  year = {2024},
  publisher = {HuggingFace},
  url = {https://huggingface.co/datasets/your-username/coffee-order-zhtw}
}