davanstrien/bill_summary_us_chunks-similarity-yi

该数据集包含两个配置：default和raw。default配置包含三个特征：anchor（锚点）、positive（正例）、negative（负例），数据分割为train，包含1000个样本。raw配置包含四个特征：id（标识符）、section（部分）、prompt（提示）、generations（生成内容），数据分割同样为train，包含1000个样本。数据集主要用于句子转换器和合成数据相关的任务。

The dataset contains two configurations: default and raw. The default configuration includes three features: anchor, positive, and negative, with a train split containing 1000 examples. The raw configuration includes four features: id, section, prompt, and generations, with a train split also containing 1000 examples. The dataset is primarily used for tasks related to sentence-transformers and synthetic data.

原始信息汇总

数据集概述

配置信息

默认配置 (default)

• 特征:
  • anchor: 字符串类型
  • positive: 字符串类型
  • negative: 字符串类型
• 分割:
  • train:
    • 字节数: 647573
    • 样本数: 1000
• 下载大小: 352669 字节
• 数据集大小: 647573 字节

原始配置 (raw)

• 特征:
  • id: 字符串类型
  • section: 字符串类型
  • prompt: 字符串类型
  • generations: 字符串类型
• 分割:
  • train:
    • 字节数: 2528731
    • 样本数: 1000
• 下载大小: 805553 字节
• 数据集大小: 2528731 字节

数据文件路径

• 默认配置 (default):
  • train: data/train-*
• 原始配置 (raw):
  • train: raw/train-*

标签

• sentence-transformers
• synthetic
• synthetic-data-workshop