BASF-AI/PubChemWikiPTPC

--- dataset_info: features: - name: sent1 dtype: string - name: sent2 dtype: string - name: labels dtype: int64 splits: - name: test num_bytes: 976735 num_examples: 998 download_size: 511690 dataset_size: 976735 configs: - config_name: default data_files: - split: test path: data/test-* license: cc-by-nc-sa-4.0 task_categories: - text-classification language: - en - pt tags: - chemistry - chemteb - wikipedia - pubchem size_categories: - n<1K pretty_name: PubChem & Wikipedia English-Portuguese Paragraph Pair Classification --- # PubChem & Wikipedia English-Portuguese Paragraph Pair Classification This dataset is a multilingual extension of the [PubChem & Wikipedia Paragraphs Pair Classification](https://huggingface.co/datasets/BASF-AI/PubChemWikiParagraphsPC) dataset. It includes pairs of paragraphs in English and Portuguese (sent1 and sent2) with a binary labels column indicating whether the paragraphs describe the same entity (1) or different entities (0).--- 数据集信息: 特征: - 名称: sent1 数据类型: 字符串 - 名称: sent2 数据类型: 字符串 - 名称: labels 数据类型: 64位整数 数据划分: - 名称: 测试集（test） 字节数: 976735 样本数: 998 下载大小: 511690 数据集总大小: 976735 配置项: - 配置名称: 默认（default） 数据文件: - 数据划分: 测试集（test） 文件路径: data/test-* 许可协议: CC BY-NC-SA 4.0 任务类别: - 文本分类 语言: - 英语（en） - 葡萄牙语（pt） 标签: - 化学（chemistry） - chemteb - 维基百科（wikipedia） - PubChem 样本规模类别: - 样本数少于1000（n<1K） 显示名称: PubChem与维基百科英葡段落对分类数据集 --- # PubChem与维基百科英葡段落对分类数据集 本数据集是[PubChem与维基百科段落对分类](https://huggingface.co/datasets/BASF-AI/PubChemWikiParagraphsPC)数据集的多语言扩展版本。数据集包含英语与葡萄牙语的段落对（sent1与sent2），并设有二元标签列：若两段描述同一实体则标签为1，描述不同实体则标签为0。