samchain/BIS_Speeches_97_23

该数据集名为BIS_Speeches_97_23，包含从1997年到2023年的12,000篇演讲，这些演讲是从国际清算银行的网站上抓取的。数据集中的每个样本由两个句子组成，如果第二个句子紧接第一个句子，则next_sentence_label为1，否则为0。负样本对是通过从其他演讲中随机选择句子构建的。数据集包含训练集和测试集，分别有773,395和136,482个样本。数据集的总下载大小为365,034,957字节，总大小为595,014,767字节。数据集适用于文本分类和标记分类任务，主要涉及经济学、金融和商业领域，语言为英语。

原始信息汇总

数据集概述

数据集名称

• BIS_Speeches_97_23

数据集特征

• sequenceA: 数据类型为字符串
• sequenceB: 数据类型为字符串
• next_sentence_label: 数据类型为整数（int64）

数据集分割

• 训练集:
  • 样本数量: 773395
  • 存储大小: 505762257.6721524字节
• 测试集:
  • 样本数量: 136482
  • 存储大小: 89252509.32784761字节

数据集大小

• 下载大小: 365034957字节
• 数据集总大小: 595014767字节

许可

• Apache-2.0

任务类别

• 文本分类
• 令牌分类

语言

• 英语

标签

• 经济学
• 金融
• 商业

大小类别

• 100K<n<1M