chinese paraphras datasets

释义是将一个给定的句子改写成另一个具有相同语义的句子。数据集中共有502608对释义对。数据集随机分为训练集和测试集.

Paraphrasing refers to rewriting a given sentence into another sentence that carries the identical semantic meaning. This dataset contains a total of 502,608 paraphrase pairs. The dataset is randomly split into a training set and a test set.

搜集汇总

背景与挑战

背景概述

该数据集是一个中文释义数据集，包含502,608对高质量的商业同义短文本对，准确率达95%。数据集通过从百度搜索日志挖掘种子数据、训练生成模型扩展候选，并经过过滤确保精度，已随机分为训练集、验证集和测试集，适用于自然语言处理任务如文本改写和语义相似性分析。