slvnwhrl/blurbs-clustering-p2p
收藏Hugging Face2024-01-08 更新2024-03-04 收录
下载链接：
https://hf-mirror.com/datasets/slvnwhrl/blurbs-clustering-p2p
下载链接
链接失效反馈官方服务：
资源简介：
---
license: cc-by-nc-4.0
language:
- de
tags:
- embeddings
- clustering
- benchmark
size_categories:
- 10K<n<100K
---
This dataset can be used as a benchmark for clustering word embeddings for <b>German</b>.
The datasets contains book titles and is based on the dataset from the [GermEval 2019 Shared Task on Hierarchical Classification of Blurbs](https://www.inf.uni-hamburg.de/en/inst/ab/lt/resources/data/germeval-2019-hmc.html). It contains 18'084 unqiue samples, 28 splits with 177 to 16'425 samples and 4 to 93 unique classes. Splits are built similarly to [MTEB](https://github.com/embeddings-benchmark/mteb)'s [ArxivClusteringP2P](https://huggingface.co/datasets/mteb/arxiv-clustering-p2p).
Have a look at German Text Embedding Clustering Benchmark ([Github](https://github.com/ClimSocAna/tecb-de), [Paper](https://arxiv.org/abs/2401.02709)) for more infos, datasets and evaluation results.
提供机构：
slvnwhrl
原始信息汇总
数据集概述
基本信息
- 许可证: cc-by-nc-4.0
- 语言: 德语（de）
- 标签: 嵌入（embeddings）、聚类（clustering）、基准（benchmark）
- 规模: 10K<n<100K
数据集内容
- 用途: 作为德语单词嵌入聚类的基准。
- 数据来源: 基于GermEval 2019 Shared Task on Hierarchical Classification of Blurbs的数据集。
- 数据组成: 包含18,084个独特的样本，分为28个部分，每个部分包含177至16,425个样本，涉及4至93个独特的类别。
- 数据分割方式: 类似于MTEB的ArxivClusteringP2P。
附加信息
- 更多信息、数据集和评估结果可参考German Text Embedding Clustering Benchmark的GitHub页面和相关论文。
