sentence-transformers/xsum

xsum数据集是一个包含新闻文章及其摘要配对的数据集。该数据集主要用于特征提取和句子相似性任务，可以直接用于训练句子嵌入模型。数据集的一个子集是`pair`，包含两列：article和summary，数据类型均为字符串。数据集的大小为100K到1M之间，语言为英语，单语种。

原始信息汇总

数据集概述

基本信息

• 语言: 英语
• 多语言性: 单语种
• 大小: 10万<n<100万
• 任务类别: 特征提取, 句子相似度
• 美观名称: xsum
• 标签: sentence-transformers

数据集配置

• 配置名称: pair

数据集特征

• 特征名称:
  • article
  • summary
• 数据类型:
  • string
  • string

数据集分割

• 分割名称: train
• 字节数: 529534842
• 示例数: 226711
• 下载大小: 335902915
• 数据集大小: 529534842

数据集子集

• 子集名称: pair

• 列名:

  • article
  • summary

• 列类型:

  • str
  • str

• 示例: python { article: ..., summary: Wigan moved level on points with Super League leaders Warrington by coming from behind to beat Castleford. }

• 收集策略: 从embedding-training-data读取xsum数据集

• 去重: 否