efarrall/word_embeddings

---
license: mit
---

This dataset contains the embeddings of 8000 words pulled from the wonderwords package (https://pypi.org/project/wonderwords/).
Embedding model: "text-embedding-3-large" from OpenAI

The word embeddings are stored as a dataframe; to read data run:
df_word_embeds = pd.read_pickle("8000words.pkl")

The words used in the embeddings are stored in word_list as a json; to read data run:
with open("word_list", "r") as f:
... word_list = json.load(f)

Indexes of word_list match indexes of df_word_embeds

原始信息汇总

数据集概述

数据集内容

• 数据集包含：8000个单词的嵌入（embeddings）。
• 单词来源：来自wonderwords包，可通过https://pypi.org/project/wonderwords/访问。

嵌入模型

• 模型名称：text-embedding-3-large。
• 提供方：OpenAI。

数据存储

• 嵌入数据：存储为pandas数据帧，文件名为8000words.pkl。
• 读取方法：使用pd.read_pickle("8000words.pkl")读取。
• 单词列表：存储为JSON格式，文件名为word_list。
• 读取方法：使用json.load(f)读取，其中f为打开的文件对象。

数据结构

• 索引对应关系：单词列表的索引与嵌入数据帧的索引一一对应。

许可证

• 许可证类型：MIT许可证。