wordlabs/semantic_search_quality

这是一个合成数据集，包含来自Wikipedia、Cosmopedia和CNN DailyMail新闻数据集的文档，并包含搜索关键词，可用于测试语义搜索引擎的质量。我们还发布了一个库，用于在您自己的数据上生成自定义的合成数据集，以便进行测试。

原始信息汇总

数据集信息

特征

• 名称: content
  • 数据类型: string
• 名称: type
  • 数据类型: string
• 名称: source
  • 数据类型: string
• 名称: length
  • 数据类型: int64
• 名称: search_terms
  • 数据类型: sequence of string

数据分割

• 名称: train
  • 字节数: 1605533601
  • 样本数: 520534

下载和数据集大小

• 下载大小: 958853870
• 数据集大小: 1605533601

配置

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

许可证

• 许可证: MIT

语言

• 语言: en

数据集大小分类

• 分类: 100K < n < 1M