avsolatorio/mteb-banking77-avs_triplets

MTEB Banking77 Triplets数据集用于论文《GISTEmbed: Guided In-sample Selection of Training Negatives for Text Embedding Fine-tuning》中，用于文本嵌入微调的负样本选择。数据集包含文本、标签、标签文本、索引、查询索引、正样本索引和负样本索引等特征。训练集包含10003个样本，总大小为1286431字节。

原始信息汇总

MTEB Banking77 Triplets Dataset

数据集信息

特征

• text: 数据类型为字符串。
• label: 数据类型为64位整数。
• label_text: 数据类型为字符串。
• idx: 数据类型为64位整数。
• query_idx: 数据类型为64位整数。
• positive_idx: 数据类型为64位整数。
• negative_idx: 数据类型为64位整数。

数据分割

• train: 包含10003个样本，占用1286431字节。

数据大小

• 下载大小: 612460字节。
• 数据集大小: 1286431字节。

配置

• default: 包含训练数据文件，路径为data/train-*。

参考文献

@article{solatorio2024gistembed, title={GISTEmbed: Guided In-sample Selection of Training Negatives for Text Embedding Fine-tuning}, author={Aivin V. Solatorio}, journal={arXiv preprint arXiv:2402.16829}, year={2024}, URL={https://arxiv.org/abs/2402.16829}, eprint={2402.16829}, archivePrefix={arXiv}, primaryClass={cs.LG} }