sick

SICK数据集，专为组合分布语义模型（CDSMs）的研究而设计，包含约10,000个英文句子对，涵盖词汇、句法和语义现象。每个句子对都经过众包标注，用于语义相关性（5分制评分）和蕴含关系（蕴含、中立、矛盾）判断。数据集提供标准化数据操作，支持自然语言推理等文本分类任务，并已在SemEval-2014 Task 1中使用。该数据集基于CC-BY-NC-SA-3.0协议发布。