andersonbcdefg/simcse_nli_with_margins

---
dataset_info:
features:
- name: query
dtype: string
- name: pos
dtype: string
- name: neg
dtype: string
- name: source
dtype: string
- name: qp_sim
dtype: float32
- name: qn_sim
dtype: float32
- name: pn_sim
dtype: float32
- name: margin
dtype: float64
splits:
- name: train
num_bytes: 195227528.65051475
num_examples: 214560
download_size: 31733773
dataset_size: 195227528.65051475
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---

数据集信息：
特征字段：
- 字段名：查询（query），数据类型：字符串（string）
- 字段名：正例样本（pos），数据类型：字符串（string）
- 字段名：负例样本（neg），数据类型：字符串（string）
- 字段名：来源（source），数据类型：字符串（string）
- 字段名：查询与正例相似度（qp_sim），数据类型：单精度浮点数（float32）
- 字段名：查询与负例相似度（qn_sim），数据类型：单精度浮点数（float32）
- 字段名：正例与负例相似度（pn_sim），数据类型：单精度浮点数（float32）
- 字段名：间隔阈值（margin），数据类型：双精度浮点数（float64）
数据集划分：
- 划分名称：训练集（train），占用字节数：195227528.65051475，样本总量：214560
下载总大小：31733773字节
数据集存储总大小：195227528.65051475字节
配置项：
- 配置名称：默认（default），数据文件配置：
- 对应数据集划分：训练集，文件路径：data/train-*

原始信息汇总

数据集概述

数据集特征

• query: 数据类型为字符串。
• pos: 数据类型为字符串。
• neg: 数据类型为字符串。
• source: 数据类型为字符串。
• qp_sim: 数据类型为浮点数（float32）。
• qn_sim: 数据类型为浮点数（float32）。
• pn_sim: 数据类型为浮点数（float32）。
• margin: 数据类型为浮点数（float64）。

数据集分割

• train: 包含214560个样本，占用195227528.65051475字节。

数据集大小

• 下载大小: 31733773字节。
• 数据集大小: 195227528.65051475字节。

配置

• default: 包含训练数据文件，路径为data/train-*。