gowitheflow/wiki-span

--- dataset_info: features: - name: sentence1 dtype: string - name: sentence2 dtype: string splits: - name: train num_bytes: 14498836027 num_examples: 6458670 download_size: 8956015300 dataset_size: 14498836027 --- # Dataset Card for "wiki-span" This dataset is constructed by sampling 25%-50% of each wikipedia record twice, as positive pairs. It can be used to train unsupervised sentence representation models.

原始信息汇总

数据集卡片 "wiki-span"

数据集信息

特征

• sentence1: 数据类型为字符串
• sentence2: 数据类型为字符串

分割

• train:
  • 字节数: 14498836027
  • 样本数: 6458670

下载和数据集大小

• 下载大小: 8956015300
• 数据集大小: 14498836027

数据集描述

该数据集是通过对每个维基百科记录的25%-50%进行两次采样构建的正样本对。可用于训练无监督的句子表示模型。