sentence-transformers/gooaq

GooAQ数据集是一个从Google收集的问题-答案对集合。该数据集可直接与Sentence Transformers一起使用，以训练嵌入模型。数据集包含一个名为pair的子集，该子集包含question和answer两列，数据类型均为字符串。数据集的收集策略是从Google收集问题-答案对，并且未进行去重处理。

原始信息汇总

数据集概述

基本信息

• 名称: GooAQ
• 语言: 英语
• 多语言性: 单语种
• 大小类别: 1M<n<10M
• 任务类别: 特征提取、句子相似度
• 标签: sentence-transformers

数据集详情

• 配置名称: pair
• 特征:
  • 问题: 字符串类型
  • 答案: 字符串类型
• 拆分:
  • 训练集:
    • 字节数: 915871810
    • 样本数: 3012496
• 下载大小: 613248932
• 数据集大小: 915871810

子集

• 配置名称: pair
• 数据文件:
  • 拆分: 训练集
  • 路径: pair/train-*

示例

python { question: is toprol xl the same as metoprolol?, answer: Metoprolol succinate is also known by the brand name Toprol XL. It is the extended-release form of metoprolol. Metoprolol succinate is approved to treat high blood pressure, chronic chest pain, and congestive heart failure., }

收集策略

• 从embedding-training-data读取GooAQ数据集。

去重

• 未去重