embedding-data/altlex

altlex数据集是一个用于训练Sentence Transformers模型的英语数据集，适用于语义搜索和句子相似性任务。数据集的每个实例包含一对相似的句子，格式为字典，键为set，值为句子列表。数据集的结构为DatasetDict，包含一个训练集，特征为set，行数为112696。数据集的详细信息，如数据收集、注释过程、个人和敏感信息处理等，均未提供。

原始信息汇总

数据集概述：altlex

数据集描述

数据集总结

• 目的: 用于2016年ACL论文"Identifying Causal Relations Using Parallel Wikipedia Articles"的软件相关数据集。
• 特点: 由Hugging Face团队上传至Hub，非原始团队操作。

支持的任务

• 任务: Sentence Transformers训练，适用于语义搜索和句子相似性分析。

语言

• 语言: 英语。

数据集结构

数据实例

• 格式: 每个实例包含一对相似句子，格式为字典，键为"set"，值为句子列表。

{"set": [sentence_1, sentence_2]}

数据字段

• 字段: set，包含一对句子。

数据分割

• 分割: 数据集被加载为DatasetDict，包含训练集，例如：

python DatasetDict({ train: Dataset({ features: [set], num_rows: 112696 }) })

数据集创建

来源数据

• 初始数据收集和标准化: 信息待补充。
• 源语言生产者: 信息待补充。

注释

• 注释过程: 信息待补充。
• 注释者: 信息待补充。

个人和敏感信息

• 信息: 信息待补充。

使用数据注意事项

社会影响

• 影响: 信息待补充。

偏见讨论

• 偏见: 信息待补充。

其他已知限制

• 限制: 信息待补充。

附加信息

数据集管理者

• 管理者: 信息待补充。

许可证信息

• 许可证: 信息待补充。

引用信息

• 引用: 信息待补充。

贡献

• 贡献者: @chridey，负责将数据集添加到Github。