imvladikon/wikianswers_hebrew

该数据集包含两个配置项：lists和queries。lists配置项包含1214714个训练样本，每个样本包含记录ID、集合ID和文本信息。queries配置项包含49998个训练样本，每个样本包含查询ID和文本信息。数据集的任务类别是句子相似性，语言为希伯来语。

This dataset comprises two configuration components: lists and queries. The lists component contains 1,214,714 training samples, each of which includes a record ID, a collection ID, and textual information. The queries component includes 49,998 training samples, each consisting of a query ID and textual information. The task category of this dataset is sentence similarity, and the language used is Hebrew.

原始信息汇总

数据集概述

数据集配置

lists 配置

• 特征:
  • record_id: 字符串类型
  • set_id: 字符串类型
  • text: 字符串类型
• 分割:
  • train:
    • 字节数: 106926029
    • 样本数: 1214714
• 下载大小: 39333908 字节
• 数据集大小: 106926029 字节
• 数据文件:
  • train: lists/train-*

queries 配置

• 特征:
  • query_id: 字符串类型
  • text: 字符串类型
• 分割:
  • train:
    • 字节数: 3759087
    • 样本数: 49998
• 下载大小: 2172788 字节
• 数据集大小: 3759087 字节
• 数据文件:
  • train: queries/train-*

任务类别

• 句子相似度

语言

• 希伯来语