sentence-transformers/flickr30k-captions

该数据集是来自Flickr30k的图片描述对集合，可以用于直接训练嵌入模型。需要注意的是，同一图片的两个描述在语义上并不完全相同。数据集包含一个名为`pair`的子集，该子集包含两列描述（caption1和caption2），列类型为字符串。示例展示了两个描述对同一图片的不同描述。数据集的收集策略是从embedding-training-data数据集中读取Flickr30k描述，并将所有相邻的描述视为正对，包括最后一个和第一个描述。数据集未进行去重处理。

原始信息汇总

数据集概述：Flickr30k Captions

基本信息

• 语言: 英语
• 多语言性: 单语种
• 大小: 100K<n<1M
• 任务类别: 特征提取, 句子相似度
• 美观名称: Flickr30k Captions
• 标签: sentence-transformers

数据集配置

• 配置名称: pair
• 特征:
  • caption1: 字符串类型
  • caption2: 字符串类型

数据集分割

• 训练集:
  • 字节数: 21319922
  • 示例数: 158881
  • 下载大小: 11450890
  • 数据集大小: 21319922

数据集子集

• 子集名称: pair

  • 列: "caption1", "caption2"

  • 列类型: 字符串, 字符串

  • 示例: python { caption1: A large structure has broken and is laying in a roadway., caption2: A man stands on wooden supports and surveys damage., }

  • 收集策略: 从embedding-training-data读取Flickr30k Captions数据集，考虑所有相邻的标题作为正对，包括最后一个和第一个标题。

  • 去重: 否