nirantk/triplets

该数据集是从Nomic Contrastors构建的，用于训练嵌入模型。所有(query, pos, neg)三元组都是唯一的，但有些(query, pos)对是重复的。`query_lang`属性是使用fasttext语言识别计算的。

原始信息汇总

数据集概述

基本信息

• 语言: 英语（en）、意大利语（it）、德语（de）
• 许可证: CC-BY-NC-4.0

数据集特征

• query: 字符串类型
• pos: 字符串类型
• neg: 字符串类型
• query_lang: 字符串类型
• index_level_0: 整数类型（int64）

数据集划分

• 训练集（train）:
  • 数据量: 7288056个样本
  • 存储大小: 5340253796字节

数据集大小

• 下载大小: 2279432455字节
• 数据集总大小: 5340253796字节

配置

• 默认配置（default）:
  • 训练数据路径: data/train-*

任务类别

• 特征提取（feature-extraction）

数据集名称

• 美观名称: Nomic Triplets

数据集规模

• 规模范围: 1M<n<10M

标签

• 相关技术: sentence-transformers