avsolatorio/mteb-tweet_sentiment_extraction-avs_triplets

该数据集用于论文《GISTEmbed: Guided In-sample Selection of Training Negatives for Text Embedding Fine-tuning》，包含文本、标签、索引等特征，主要用于文本嵌入微调中的训练负样本选择。数据集的生成代码可在GitHub上找到。

原始信息汇总

MTEB Tweet Sentiment Extraction Triplets Dataset

数据集信息

特征

• id: 字符串类型
• text: 字符串类型
• label: 64位整数类型
• label_text: 字符串类型
• idx: 64位整数类型
• query_idx: 64位整数类型
• positive_idx: 64位整数类型
• negative_idx: 64位整数类型

数据分割

• train:
  • 字节数: 3790946
  • 样本数: 27481

数据大小

• 下载大小: 2513333 字节
• 数据集大小: 3790946 字节

配置

• default:
  • 数据文件:
    • 分割: train
    • 路径: data/train-*