embedding-data/simple-wiki

该数据集包含从Wikipedia获取的等价句子对，主要用于训练句子转换器模型，适用于语义搜索和句子相似性任务。数据以字典格式存储，每个实例包含一个键set和对应的句子列表。数据集的语言为英语。

This dataset comprises semantically equivalent sentence pairs sourced from Wikipedia. It is primarily utilized for training Sentence Transformer models, and is applicable to semantic search and sentence similarity tasks. The data is stored in dictionary format, where each instance includes a key named "set" and its corresponding sentence list. The language of this dataset is English.

原始信息汇总

数据集概述

数据集名称

• 名称: simple-wiki

数据集描述

• 摘要: 该数据集包含从Wikipedia获取的等价句子对。
• 支持的任务: 用于训练Sentence Transformers模型，适用于语义搜索和句子相似度比较。
• 语言: 英语

数据集结构

• 数据实例格式: 每个实例包含一对等价句子，格式为字典，键为"set"，值为句子列表。

  {"set": [sentence_1, sentence_2]}

• 数据集加载示例: python from datasets import load_dataset dataset = load_dataset("embedding-data/simple-wiki")

• 数据集加载格式: 加载为DatasetDict，包含训练集，每个训练集的特征为set。 python DatasetDict({ train: Dataset({ features: [set], num_rows: 102225 }) })

数据集使用注意事项

• 数据集的社交影响、偏见讨论、其他已知限制、数据集的来源、注释过程、个人和敏感信息等详细信息均未提供，需进一步获取。