Ruqiya/Arabic-stsbenchmark-sts-ar

该数据集是STS Benchmark数据集的阿拉伯语翻译版本，用于评估句子相似性模型，并支持阿拉伯语的相关研究和开发。数据集包含训练集、验证集和测试集，分别有5749、1500和1379个样本。翻译使用了Hugging Face的Helsinki-NLP/opus-mt-en-ar模型完成。

原始信息汇总

数据集概述

数据集信息

• 数据集名称: Arabic-stsbenchmark-sts-ar
• 语言: 阿拉伯语 (ar)

数据特征

• split: 字符串类型
• score: 浮点数类型
• sentence1: 字符串类型
• sentence2: 字符串类型

数据分割

• 训练集 (train):
  • 示例数量: 5749
  • 数据大小: 1222113 字节
• 验证集 (validation):
  • 示例数量: 1500
  • 数据大小: 334413 字节
• 测试集 (test):
  • 示例数量: 1379
  • 数据大小: 264980 字节

数据集大小

• 下载大小: 917266 字节
• 数据集总大小: 1821506 字节

配置

• 默认配置 (default):
  • 训练集路径: data/train-*
  • 验证集路径: data/validation-*
  • 测试集路径: data/test-*