sentence-transformers/parallel-sentences-muse

MUSE数据集包含平行句子，即英语句子与另一种语言的相同句子。该数据集主要用于特征提取和句子相似性任务，适用于训练多语言句子嵌入模型。数据集的来源主要是OPUS网站，特别是MUSE数据集。数据集的特征包括english和non_english两列，均为字符串类型。数据集的大小在1M到10M之间，包含1368274个训练样本。

原始信息汇总

数据集概述

基本信息

• 名称: MUSE
• 语言: 多语言（英语及多种其他语言）
• 大小: 1M<n<10M
• 任务类别: 特征提取, 句子相似度
• 标签: sentence-transformers

数据集特征

• 特征名称及类型:
  • english: 字符串
  • non_english: 字符串

数据集分割

• 训练集:
  • 示例数量: 1368274
  • 字节数: 35407213

数据集大小

• 下载大小: 31994079
• 数据集大小: 35407213

配置

• 默认配置:
  • 数据文件路径: data/train-*