HYUKI5/PolyAI__banking77

PolyAI/banking77（複製）

データの内容

オンラインバンキングの問い合わせに、77 種類のインテントを付けた英語のデータ。1 行が 1 件の問い合わせで、text に文、label にインテントの番号が入り、番号と名前の対応はカードの表にある。学習用とテスト用に分かれている。

データの概要

項目	値
行数	13,083（1 構成・2 分割の合計）
列数	2
容量	400.58 KB（ファイル 4 本）
ファイルの形式	parquet 2
言語	en
公開	public

構成と分割

構成（config）	分割（split）ごとの行数	列数
default	train 10,003、test 3,080	2

列（構成 default・分割 train）

列	型	先頭の行の値
text	string	I am still waiting on my card?
label	class_label(77: activate_my_card, age_limit, apple_pay_or_google_pay, atm_support, automatic_top_up, balance_not_updated_after_bank_transfer …)	11

行数と列は HF のデータセットビューアの集計（元のデータセットの現在の版で数えたもの）。全データセットの一覧は HYUKI5/dataset-catalog にある。

複製について

PolyAI/banking77 をリビジョン 1846984189f2bc0ac51c6fc3a600fa9e1714e0c6 の時点でそのまま複製したもの。中身は変えていない。判断モデル Laya（convaiinnovations/laya）の微調整に使う候補として、調査メモ（Laya 学習用データセット調査）に載せたデータを集めている。

出典

• 元のデータセット: https://huggingface.co/datasets/PolyAI/banking77
• 複製したリビジョン: 1846984189f2bc0ac51c6fc3a600fa9e1714e0c6（2026-10-28 10:08:40+00:00）
• 元のライセンス表記: ['cc-by-4.0']

論文

• https://arxiv.org/abs/2003.04807

アノテーションの方法

キュレーションの根拠

Web Apps、Ask Ubuntu、Chatbot Corpus、SNIPS などの従来のインテント検出データセットは、クラス数が少数（10 未満）に限られており、インテント検出タスクを単純化しすぎていて、商用システムの実際の環境を再現していない。大規模な マルチドメイン のデータセット（HWU64 や CLINC150）は存在するものの、各ドメインの例の数では、「現実世界」で出会う各ドメインの複雑さを十分に捉えきれないおそれがある。本データセットはこの空白を埋めようとするもので、単一ドメイン、すなわち 銀行業務 に特化した、非常に細粒度のインテントの集合を提供する。細粒度の単一ドメインでのインテント検出に焦点を当てているため、他の 2 つのマルチドメインのデータセットを補完する。

アノテーションの過程

このデータセットには追加のアノテーションは含まれない。

データセットの作成者

PolyAI

微調整に使うときの注意

• 調査メモの台帳での区分: D（記載なし・other・unknown・資料間の食い違い）。区分は記載の文言で機械的に付けたもので、法的な判定ではない。学習に入れる前に元のカードとライセンスの原文で確かめる。
• Laya の入力は 2,048 token まで（ModernBERT-large / mmBERT）。長い本文は先頭から黙って切られるので、切れる行は事前に除くか、要約・切り出しをしてから入れる。
• 分割は記事・文書単位で行い、同じ本文から作った別の問いを学習側と較正側に分けない。温度と閾値は学習に使っていない分割で別々に当てる。

調査メモの記述

メモ	節	ライセンス（記載）	確認	注記
routing_support_structured.md	Q2. インテント分類・ルーティング系 (L52)	cc-by-4.0	確認済	確認印なし(各ファイルの凡例により確認済扱い) ／ 原文注記: arXiv:2003.04807。HF API 確認（lastModified 2026-10-28）。Laya 作者が評価に使用
general_english_nlu.md	1. 単文分類: 感情・トピック・意図・感情語・スパム・毒性・皮肉（noul / choice / score に変換） (L52)	cc-by-4.0	確認済	原文注記: - PolyAI/banking77: arXiv 2003.04807（タグ）。train 10,003 / test 3,080。ラベル 77 意図（activate_my_card, age_limit, appl
jev_sources_tasksource_bekko.csv	CSV（tasksource-jev-typed-decisions）	cc-by-4.0, CC BY 4.0 (DPI) / license_use=commercial	確認済	license_use=commercial ／ [Jev 元データ source] source_annotation_converted(deterministic recast; no model r
jev_sources_tasksource_bekko.csv	CSV（bekko-system-one-dataset-v0）	CC BY 4.0	確認済	[Jev 元データ source] source_annotation_converted(Choice/Noul/Score recast; soft t
jev_sources_community.csv	CSV（jylin001206/InnerJev-4B-Training-Data）	other（上流ごと。一括ライセンスは宣言なし）	確認済	[Jev 元データ source] 同サイズモデルの推論 2 回の分布の平均（train_target）。gold_target は評価用に保持
jev_sources_community.csv	CSV（jylin001206/InnerJev-27B-Training-Data）	other（上流ごと。一括ライセンスは宣言なし）	確認済	[Jev 元データ source] 同サイズモデルの推論 2 回の分布の平均（train_target）。gold_target は評価用に保持
jev_sources_community.csv	CSV（sulabhkatiyar/typed-decisions-english-training-mix）	licence_tier=default	確認済	[Jev 元データ source] 上流の人手ラベル中心（約 8% が soft。label_kind = human/program/teacher）
jev_sources_community.csv	CSV（MaziyarPanahi/Jev-Intent-Domain-Routing-130K）	other（行ごとに源のライセンスを記録）。Jev 出力の再利用は MCA §2.3(b) 要確認	確認済	[Jev 元データ source] 上流の参照ラベル（gold_*）と Jev 1.13 の予測を別列で保持

元のカード（日本語訳）

以下は元のデータセットのカードの本文を日本語に訳したもの（機械翻訳）。訳に疑問があるときは、末尾の原文を確かめる。

---

BANKING77 のデータセットカード

目次

• データセットの説明
  • データセットの概要
  • 対象タスクとリーダーボード
  • 言語
• データセットの構造
  • データのインスタンス
  • データのフィールド
  • データの分割
• データセットの作成
  • キュレーションの根拠
  • 元データ
  • アノテーション
  • 個人情報と機微な情報
• データの利用上の留意点
  • データセットの社会的影響
  • 偏りについての検討
  • その他の既知の制約
• 追加情報
  • データセットの作成者
  • ライセンス情報
  • 引用情報
  • 貢献

データセットの説明

• ホームページ: Github
• リポジトリ: Github
• 論文: ArXiv
• リーダーボード:
• 連絡先:

データセットの概要

オンラインバンキングの問い合わせに、対応するインテントを付与したデータセット。

BANKING77 データセットは、銀行ドメインにおける非常に細粒度のインテントの集合を提供する。 13,083 件の顧客サービスへの問い合わせを含み、77 のインテントでラベル付けされている。 細粒度の単一ドメインでのインテント検出に焦点を当てている。

対象タスクとリーダーボード

インテント分類、インテント検出

言語

英語

データセットの構造

データのインスタンス

'train' の例は次のとおりである:

{
  'label': 11, # integer label corresponding to "card_arrival" intent
  'text': 'I am still waiting on my card?'
}

データのフィールド

• text: 文字列の特徴量。
• label: 一意のインテントに対応する分類ラベル（0〜76）のいずれか。

インテント名は次のように label に対応づけられる:

label	intent (category)
0	activate_my_card
1	age_limit
2	apple_pay_or_google_pay
3	atm_support
4	automatic_top_up
5	balance_not_updated_after_bank_transfer
6	balance_not_updated_after_cheque_or_cash_deposit
7	beneficiary_not_allowed
8	cancel_transfer
9	card_about_to_expire
10	card_acceptance
11	card_arrival
12	card_delivery_estimate
13	card_linking
14	card_not_working
15	card_payment_fee_charged
16	card_payment_not_recognised
17	card_payment_wrong_exchange_rate
18	card_swallowed
19	cash_withdrawal_charge
20	cash_withdrawal_not_recognised
21	change_pin
22	compromised_card
23	contactless_not_working
24	country_support
25	declined_card_payment
26	declined_cash_withdrawal
27	declined_transfer
28	direct_debit_payment_not_recognised
29	disposable_card_limits
30	edit_personal_details
31	exchange_charge
32	exchange_rate
33	exchange_via_app
34	extra_charge_on_statement
35	failed_transfer
36	fiat_currency_support
37	get_disposable_virtual_card
38	get_physical_card
39	getting_spare_card
40	getting_virtual_card
41	lost_or_stolen_card
42	lost_or_stolen_phone
43	order_physical_card
44	passcode_forgotten
45	pending_card_payment
46	pending_cash_withdrawal
47	pending_top_up
48	pending_transfer
49	pin_blocked
50	receiving_money
51	Refund_not_showing_up
52	request_refund
53	reverted_card_payment?
54	supported_cards_and_currencies
55	terminate_account
56	top_up_by_bank_transfer_charge
57	top_up_by_card_charge
58	top_up_by_cash_or_cheque
59	top_up_failed
60	top_up_limits
61	top_up_reverted
62	topping_up_by_card
63	transaction_charged_twice
64	transfer_fee_charged
65	transfer_into_account
66	transfer_not_received_by_recipient
67	transfer_timing
68	unable_to_verify_identity
69	verify_my_identity
70	verify_source_of_funds
71	verify_top_up
72	virtual_card_not_working
73	visa_or_mastercard
74	why_verify_identity
75	wrong_amount_of_cash_received
76	wrong_exchange_rate_for_cash_withdrawal

データの分割

データセットの統計	Train	Test
サンプル数	10 003	3 080
平均文字数	59.5	54.2
インテント数	77	77
ドメイン数	1	1

データセットの作成

キュレーションの根拠

Web Apps、Ask Ubuntu、Chatbot Corpus、SNIPS などの従来のインテント検出データセットは、クラス数が少数（10 未満）に限られており、インテント検出タスクを単純化しすぎていて、商用システムの実際の環境を再現していない。大規模な マルチドメイン のデータセット（HWU64 や CLINC150）は存在するものの、各ドメインの例の数では、「現実世界」で出会う各ドメインの複雑さを十分に捉えきれないおそれがある。本データセットはこの空白を埋めようとするもので、単一ドメイン、すなわち 銀行業務 に特化した、非常に細粒度のインテントの集合を提供する。細粒度の単一ドメインでのインテント検出に焦点を当てているため、他の 2 つのマルチドメインのデータセットを補完する。

元データ

初期のデータ収集と正規化

[More Information Needed]

元の言語の作成者は誰か？

[More Information Needed]

アノテーション

アノテーションの過程

このデータセットには追加のアノテーションは含まれない。

アノテーターは誰か？

[該当なし]

個人情報と機微な情報

[該当なし]

データの利用上の留意点

データセットの社会的影響

このデータセットの目的は、より優れたインテント検出システムの開発を支援することである。

包括的なインテント検出の評価では、より粗粒度のマルチドメインのデータセットと、BANKING77 のような細粒度の単一ドメインのデータセットの両方を用いるべきである。

偏りについての検討

[More Information Needed]

その他の既知の制約

[More Information Needed]

追加情報

データセットの作成者

PolyAI

ライセンス情報

Creative Commons Attribution 4.0 International

引用情報

@inproceedings{Casanueva2020,
    author      = {I{\~{n}}igo Casanueva and Tadas Temcinas and Daniela Gerz and Matthew Henderson and Ivan Vulic},
    title       = {Efficient Intent Detection with Dual Sentence Encoders},
    year        = {2020},
    month       = {mar},
    note        = {Data available at https://github.com/PolyAI-LDN/task-specific-datasets},
    url         = {https://arxiv.org/abs/2003.04807},
    booktitle   = {Proceedings of the 2nd Workshop on NLP for ConvAI - ACL 2020}
}

貢献

このデータセットを追加してくれた @dkajtoch に感謝する。

原文（英語）

Dataset Card for BANKING77

Dataset Summary

Dataset composed of online banking queries annotated with their corresponding intents.

BANKING77 dataset provides a very fine-grained set of intents in a banking domain. It comprises 13,083 customer service queries labeled with 77 intents. It focuses on fine-grained single-domain intent detection.

Supported Tasks and Leaderboards

Intent classification, intent detection

Languages

English

Dataset Structure

Data Instances

An example of 'train' looks as follows:

{
  'label': 11, # integer label corresponding to "card_arrival" intent
  'text': 'I am still waiting on my card?'
}

Data Fields

• text: a string feature.
• label: One of classification labels (0-76) corresponding to unique intents.

Intent names are mapped to label in the following way:

label	intent (category)
0	activate_my_card
1	age_limit
2	apple_pay_or_google_pay
3	atm_support
4	automatic_top_up
5	balance_not_updated_after_bank_transfer
6	balance_not_updated_after_cheque_or_cash_deposit
7	beneficiary_not_allowed
8	cancel_transfer
9	card_about_to_expire
10	card_acceptance
11	card_arrival
12	card_delivery_estimate
13	card_linking
14	card_not_working
15	card_payment_fee_charged
16	card_payment_not_recognised
17	card_payment_wrong_exchange_rate
18	card_swallowed
19	cash_withdrawal_charge
20	cash_withdrawal_not_recognised
21	change_pin
22	compromised_card
23	contactless_not_working
24	country_support
25	declined_card_payment
26	declined_cash_withdrawal
27	declined_transfer
28	direct_debit_payment_not_recognised
29	disposable_card_limits
30	edit_personal_details
31	exchange_charge
32	exchange_rate
33	exchange_via_app
34	extra_charge_on_statement
35	failed_transfer
36	fiat_currency_support
37	get_disposable_virtual_card
38	get_physical_card
39	getting_spare_card
40	getting_virtual_card
41	lost_or_stolen_card
42	lost_or_stolen_phone
43	order_physical_card
44	passcode_forgotten
45	pending_card_payment
46	pending_cash_withdrawal
47	pending_top_up
48	pending_transfer
49	pin_blocked
50	receiving_money
51	Refund_not_showing_up
52	request_refund
53	reverted_card_payment?
54	supported_cards_and_currencies
55	terminate_account
56	top_up_by_bank_transfer_charge
57	top_up_by_card_charge
58	top_up_by_cash_or_cheque
59	top_up_failed
60	top_up_limits
61	top_up_reverted
62	topping_up_by_card
63	transaction_charged_twice
64	transfer_fee_charged
65	transfer_into_account
66	transfer_not_received_by_recipient
67	transfer_timing
68	unable_to_verify_identity
69	verify_my_identity
70	verify_source_of_funds
71	verify_top_up
72	virtual_card_not_working
73	visa_or_mastercard
74	why_verify_identity
75	wrong_amount_of_cash_received
76	wrong_exchange_rate_for_cash_withdrawal

Data Splits

Dataset statistics	Train	Test
Number of examples	10 003	3 080
Average character length	59.5	54.2
Number of intents	77	77
Number of domains	1	1

Dataset Creation

Curation Rationale

Previous intent detection datasets such as Web Apps, Ask Ubuntu, the Chatbot Corpus or SNIPS are limited to small number of classes (<10), which oversimplifies the intent detection task and does not emulate the true environment of commercial systems. Although there exist large scale multi-domain datasets (HWU64 and CLINC150), the examples per each domain may not sufficiently capture the full complexity of each domain as encountered "in the wild". This dataset tries to fill the gap and provides a very fine-grained set of intents in a single-domain i.e. banking. Its focus on fine-grained single-domain intent detection makes it complementary to the other two multi-domain datasets.

Source Data

Initial Data Collection and Normalization

[More Information Needed]

Who are the source language producers?

[More Information Needed]

Annotations

Annotation process

The dataset does not contain any additional annotations.

Who are the annotators?

[N/A]

Personal and Sensitive Information

[N/A]

Considerations for Using the Data

Social Impact of Dataset

The purpose of this dataset it to help develop better intent detection systems.

Any comprehensive intent detection evaluation should involve both coarser-grained multi-domain datasets and a fine-grained single-domain dataset such as BANKING77.

Discussion of Biases

[More Information Needed]

Other Known Limitations

[More Information Needed]

Additional Information

Dataset Curators

PolyAI

Licensing Information

Creative Commons Attribution 4.0 International

Citation Information

@inproceedings{Casanueva2020,
    author      = {I{\~{n}}igo Casanueva and Tadas Temcinas and Daniela Gerz and Matthew Henderson and Ivan Vulic},
    title       = {Efficient Intent Detection with Dual Sentence Encoders},
    year        = {2020},
    month       = {mar},
    note        = {Data available at https://github.com/PolyAI-LDN/task-specific-datasets},
    url         = {https://arxiv.org/abs/2003.04807},
    booktitle   = {Proceedings of the 2nd Workshop on NLP for ConvAI - ACL 2020}
}

Contributions

Thanks to @dkajtoch for adding this dataset.