five

avsolatorio/mteb-amazon_reviews_multi-avs_triplets

收藏
Hugging Face2024-02-28 更新2024-03-04 收录
下载链接:
https://hf-mirror.com/datasets/avsolatorio/mteb-amazon_reviews_multi-avs_triplets
下载链接
链接失效反馈
官方服务:
资源简介:
--- dataset_info: features: - name: id dtype: string - name: text dtype: string - name: label dtype: int32 - name: label_text dtype: string - name: idx dtype: int64 - name: query_idx dtype: int64 - name: positive_idx dtype: int64 - name: negative_idx dtype: int64 splits: - name: train num_bytes: 52924802 num_examples: 200000 download_size: 33545313 dataset_size: 52924802 configs: - config_name: default data_files: - split: train path: data/train-* --- # MTEB Amazon Reviews Multi Dataset This dataset was used in the paper GISTEmbed: Guided In-sample Selection of Training Negatives for Text Embedding Fine-tuning. Refer to https://arxiv.org/abs/2402.16829 for details. The code for generating the data is available at https://github.com/avsolatorio/GISTEmbed/blob/main/scripts/create_classification_dataset.py. ## Citation ``` @article{solatorio2024gistembed, title={GISTEmbed: Guided In-sample Selection of Training Negatives for Text Embedding Fine-tuning}, author={Aivin V. Solatorio}, journal={arXiv preprint arXiv:2402.16829}, year={2024}, URL={https://arxiv.org/abs/2402.16829} eprint={2402.16829}, archivePrefix={arXiv}, primaryClass={cs.LG} } ```
提供机构:
avsolatorio
原始信息汇总

数据集概述

数据集信息

特征

  • id: 字符串类型
  • text: 字符串类型
  • label: 32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: 52924802
    • 样本数: 200000

数据大小

  • 下载大小: 33545313
  • 数据集大小: 52924802

配置

  • default:
    • 数据文件:
      • 分割: train
      • 路径: data/train-*
5,000+
优质数据集
54 个
任务类型
进入经典数据集
二维码
社区交流群

面向社区/商业的数据集话题

二维码
科研交流群

面向高校/科研机构的开源数据集话题

数据驱动未来

携手共赢发展

商业合作