DDSC/da-wikipedia-queries-gemma-processed

--- dataset_info: features: - name: anchor dtype: string - name: positive dtype: string - name: negative dtype: string - name: negative_index_pos dtype: int64 splits: - name: train num_bytes: 25553993 num_examples: 30280 download_size: 17534937 dataset_size: 25553993 configs: - config_name: default data_files: - split: train path: data/train-* language: - da --- This is a processed version of https://huggingface.co/datasets/DDSC/da-wikipedia-queries-gemma The dataset was created using this script: https://github.com/Dansk-Data-Science-Community/embedding_model/blob/main/create_processed_data.py数据集信息： 特征项： - 锚点（anchor）：字符串类型 - 正样本（positive）：字符串类型 - 负样本（negative）：字符串类型 - 负样本索引位置（negative_index_pos）：64位整型 数据集划分： - 训练集（train）：占用字节数25553993，样本总数30280 下载大小：17534937字节 数据集总占用大小：25553993字节 配置项： - 默认配置（default）：数据文件： - 训练集划分：路径为data/train-* 语言：丹麦语（da） 本数据集为https://huggingface.co/datasets/DDSC/da-wikipedia-queries-gemma 的预处理版本。 本数据集通过以下脚本生成： https://github.com/Dansk-Data-Science-Community/embedding_model/blob/main/create_processed_data.py