avsolatorio/mteb-amazon_massive_scenario-avs_triplets

MTEB Amazon Massive Scenario Triplets数据集用于论文GISTEmbed: Guided In-sample Selection of Training Negatives for Text Embedding Fine-tuning。该数据集包含多个标签，如社交、交通、日历等，每个样本包含id、标签、标签文本、文本、索引、查询索引、正例索引和负例索引等特征。数据集分为训练集，包含11514个样本。

原始信息汇总

MTEB Amazon Massive Scenario Triplets Dataset

数据集信息

特征

• id: 字符串类型
• label: 类别标签
  • 类别名称:
    • 0: social
    • 1: transport
    • 2: calendar
    • 3: play
    • 4: news
    • 5: datetime
    • 6: recommendation
    • 7: email
    • 8: iot
    • 9: general
    • 10: audio
    • 11: lists
    • 12: qa
    • 13: cooking
    • 14: takeaway
    • 15: music
    • 16: alarm
    • 17: weather
• label_text: 字符串类型
• text: 字符串类型
• idx: 64位整数类型
• query_idx: 64位整数类型
• positive_idx: 64位整数类型
• negative_idx: 64位整数类型

数据分割

• train:
  • 字节数: 1119338
  • 样本数: 11514

数据大小

• 下载大小: 644764
• 数据集大小: 1119338

配置

• default:
  • 数据文件:
    • 分割: train
    • 路径: data/train-*