sentence-transformers/stackexchange-duplicates
收藏Hugging Face2024-04-30 更新2024-06-12 收录
下载链接：
https://hf-mirror.com/datasets/sentence-transformers/stackexchange-duplicates
下载链接
链接失效反馈官方服务：
资源简介：
该数据集包含Stack Exchange Duplicates数据集的三个子集，这些子集易于与Sentence Transformers一起使用，以训练嵌入模型。数据最初是通过Stack Exchange API提取的，并取自embedding-training-data。每个子集包含两个被标记为重复的Stack Exchange帖子对。`title-title-pair`仅包含标题，`body-body-pair`仅包含正文，`post-post-pair`则包含标题和正文。
该数据集包含Stack Exchange Duplicates数据集的三个子集，这些子集易于与Sentence Transformers一起使用，以训练嵌入模型。数据最初是通过Stack Exchange API提取的，并取自embedding-training-data。每个子集包含两个被标记为重复的Stack Exchange帖子对。`title-title-pair`仅包含标题，`body-body-pair`仅包含正文，`post-post-pair`则包含标题和正文。
提供机构：
sentence-transformers
原始信息汇总
数据集概述
基本信息
- 名称: Stack Exchange Duplicates
- 语言: 英语
- 多语言性: 单语种
- 大小: 100K<n<1M
- 任务类别: 特征提取, 句子相似度
- 标签: sentence-transformers
数据集配置
body-body-pair
- 特征:
body1: 字符串body2: 字符串
- 分割:
train:- 字节数: 305549013
- 示例数: 250460
- 下载大小: 181363161
- 数据集大小: 305549013
post-post-pair
- 特征:
post1: 字符串post2: 字符串
- 分割:
train:- 字节数: 333790087
- 示例数: 250519
- 下载大小: 194620191
- 数据集大小: 333790087
title-title-pair
- 特征:
title1: 字符串title2: 字符串
- 分割:
train:- 字节数: 35778522
- 示例数: 304525
- 下载大小: 25068596
- 数据集大小: 35778522
数据文件配置
body-body-pair
- 训练数据路径: body-body-pair/train-*
post-post-pair
- 训练数据路径: post-post-pair/train-*
title-title-pair
- 训练数据路径: title-title-pair/train-*
