tasksource/discoveryhard

该数据集名为discoveryhard，包含训练集、测试集和验证集。每个数据集的特征包括两个句子（sentence1和sentence2）和一个标签（label）。训练集包含1,565,996个样本，测试集和验证集各包含87,000个样本。数据集的下载大小为261,610,286字节，总大小为374,532,480字节。该数据集用于无监督句子表示学习，相关研究发表在2019年的NAACL会议上。

The dataset named discoveryhard includes training, test, and validation sets. Each dataset features two sentences (sentence1 and sentence2) and a label. The training set contains 1,565,996 examples, while the test and validation sets each contain 87,000 examples. The download size of the dataset is 261,610,286 bytes, and the total size is 374,532,480 bytes. This dataset is used for unsupervised sentence representation learning, and related research was presented at the 2019 NAACL conference.

原始信息汇总

数据集概述

数据集配置

• 默认配置：
  • 训练集：路径为 data/train-*
  • 测试集：路径为 data/test-*
  • 验证集：路径为 data/validation-*

数据集信息

• 特征：

  • sentence1：字符串类型
  • sentence2：字符串类型
  • label：字符串类型

• 数据分割：

  • 训练集：
    • 字节数：337045633
    • 样本数：1565996
  • 测试集：
    • 字节数：18725973
    • 样本数：87000
  • 验证集：
    • 字节数：18760874
    • 样本数：87000

• 数据集大小：

  • 下载大小：261610286 字节
  • 数据集大小：374532480 字节