sentence-transformers/specter

该数据集是来自科学出版物Specter的标题相关-不相关三元组的集合。该数据集可以直接与Sentence Transformers一起使用来训练嵌入模型。数据集包含两个子集：`triplet`子集和`pair`子集。`triplet`子集包含anchor、positive和negative三列，列类型均为字符串，示例展示了标题之间的相关和不相关关系，收集策略是从Specter数据集中读取并进行去重。`pair`子集包含anchor和positive两列，列类型均为字符串，示例展示了标题之间的相关关系，收集策略是从Specter数据集中仅读取标题和相关标题并进行去重。

原始信息汇总

数据集概述

数据集名称

Specter

语言

• 英语

多语言性

• 单语种

数据集大小分类

• 100K<n<1M

任务分类

• 特征提取
• 句子相似度

标签

• sentence-transformers

数据集配置

pair 配置

• 特征:
  • 名称: anchor
    • 数据类型: string
  • 名称: positive
    • 数据类型: string
• 分割:
  • 名称: train
    • 字节数: 55252049
    • 样本数: 380142
• 下载大小: 24217449
• 数据集大小: 55252049

triplet 配置

• 特征:
  • 名称: anchor
    • 数据类型: string
  • 名称: positive
    • 数据类型: string
  • 名称: negative
    • 数据类型: string
• 分割:
  • 名称: train
    • 字节数: 152814049
    • 样本数: 684098
• 下载大小: 62182004
• 数据集大小: 152814049

数据文件配置

pair 配置

• 数据文件:
  • 分割: train
    • 路径: pair/train-*

triplet 配置

• 数据文件:
  • 分割: train
    • 路径: triplet/train-*

数据集子集

triplet 子集

• 列: "anchor", "positive", "negative"

• 列类型: str, str, str

• 示例: python { anchor: "Integrating childrens contributions in the interaction design process", positive: Designing for or designing with? Informant design for interactive learning environments, negative: Power Operation in ISD: Technological Frames Perspectives., }

• 收集策略: 从 embedding-training-data 读取 Specter 数据集，然后进行去重。

• 去重: 是

pair 子集

• 列: "anchor", "positive"

• 列类型: str, str

• 示例: python { anchor: Time-dependent trajectory regression on road networks via multi-task learning, positive: Convex multi-task feature learning, }

• 收集策略: 从 embedding-training-data 读取 Specter 数据集，仅取标题和相关标题，然后进行去重。

• 去重: 是