BEE-spoke-data/sbert-paraphrase-data
收藏Hugging Face2025-12-29 更新2024-03-04 收录
下载链接：
https://hf-mirror.com/datasets/BEE-spoke-data/sbert-paraphrase-data
下载链接
链接失效反馈官方服务：
资源简介：
该数据集包含多个配置，主要用于句子相似性任务。每个配置有不同的特征和分割，如default配置包含多种来源的句子对，triplets配置包含三元组形式的句子数据。数据集提供了大量的训练样本，适用于训练和评估句子相似性模型。
该数据集包含多个配置，主要用于句子相似性任务。每个配置有不同的特征和分割，如default配置包含多种来源的句子对，triplets配置包含三元组形式的句子数据。数据集提供了大量的训练样本，适用于训练和评估句子相似性模型。
提供机构：
BEE-spoke-data
原始信息汇总
数据集概述
基本信息
- 语言: 英语
- 许可证: odc-by
- 大小分类: 100M<n<1B
- 任务分类: 句子相似度
数据集配置
默认配置 (default)
- 特征:
0: 字符串1: 字符串
- 分割:
train:- 字节数: 23655222164
- 样本数: 142947230
- 下载大小: 15494823340
- 数据集大小: 23655222164
MSMARCO 三元组扁平配置 (msmarco-triplets-flat)
- 特征:
text: 字符串positive: 字符串negative: 字符串
- 分割:
train:- 字节数: 358771844
- 样本数: 485469
- 下载大小: 233344152
- 数据集大小: 358771844
100词对配置 (pairs-100word)
- 特征:
0: 字符串1: 字符串
- 分割:
train:- 字节数: 2317278084
- 样本数: 1611483
- 下载大小: 1332475321
- 数据集大小: 2317278084
三元组配置 (triplets)
- 特征:
text: 字符串positive: 字符串negative: 字符串
- 分割:
train:- 字节数: 222068225
- 样本数: 1064993
- 下载大小: 106956648
- 数据集大小: 222068225
扩展三元组配置 (triplets-expanded)
- 特征:
text: 字符串positive: 字符串negative: 字符串
- 分割:
train:- 字节数: 1028568107
- 样本数: 1660962
- 下载大小: 693685496
- 数据集大小: 1028568107
数据文件配置
默认配置 (default)
- 数据文件:
train:data/train-*
MSMARCO 三元组扁平配置 (msmarco-triplets-flat)
- 数据文件:
train:msmarco-triplets-flat/train-*
100词对配置 (pairs-100word)
- 数据文件:
train:pairs-100word/train-*
三元组配置 (triplets)
- 数据文件:
train:triplets/train-*
扩展三元组配置 (triplets-expanded)
- 数据文件:
train:triplets-expanded/train-*
