AbderrahmanSkiredj1/ArabicQuoraDuplicates_stsb_Alue_holyquran_aranli_900k_anchor_positive_negative

该数据集包含三个主要特征：anchor、positive和negative，均为字符串类型。数据集分为训练集、验证集和测试集，分别包含853827、11584和7609个样本。数据集的总下载大小为122525717字节，总大小为218192405.28031838字节。数据集主要用于特征提取任务，语言为阿拉伯语（ar）。

The dataset contains three main features: anchor, positive, and negative, all of which are of string type. The dataset is divided into training, validation, and test sets, containing 853,827, 11,584, and 7,609 samples respectively. The total download size of the dataset is 122,525,717 bytes, and the total size is 218,192,405.28031838 bytes. The dataset is primarily used for feature extraction tasks and is in Arabic (ar).

原始信息汇总

数据集概述

数据集特征

• anchor: 数据类型为字符串（string）
• positive: 数据类型为字符串（string）
• negative: 数据类型为字符串（string）

数据集划分

• 训练集（train）:
  • 样本数量: 853827
  • 数据大小: 213264862.42939335 字节
• 验证集（validation）:
  • 样本数量: 11584
  • 数据大小: 2972476.302008355 字节
• 测试集（test）:
  • 样本数量: 7609
  • 数据大小: 1955066.5489166714 字节

数据集大小

• 下载大小: 122525717 字节
• 总数据大小: 218192405.28031838 字节

配置信息

• 配置名称: default
  • 数据文件路径:
    • 训练集: data/train-*
    • 验证集: data/validation-*
    • 测试集: data/test-*

任务类别

• 特征提取（feature-extraction）

语言

• 阿拉伯语（ar）