embedding-data/WikiAnswers

WikiAnswers语料库包含由WikiAnswers用户标记为释义的问题簇。每个簇可能包含一个由WikiAnswers用户提供的答案。共有30,370,994个簇，每个簇平均包含25个问题。其中3,386,256个簇（11%）包含答案。该数据集适用于训练句子转换模型，用于语义搜索和句子相似性任务。

The WikiAnswers corpus consists of clusters of questions labeled as paraphrases by WikiAnswers users. Each cluster may contain an answer provided by a WikiAnswers user. There are a total of 30,370,994 clusters, with an average of 25 questions per cluster. Among these, 3,386,256 clusters (11%) contain answers. This dataset is suitable for training sentence transformation models for semantic search and sentence similarity tasks.

原始信息汇总

数据集概述

数据集名称

• WikiAnswers

数据集摘要

• 描述: WikiAnswers 语料库包含由 WikiAnswers 用户标记为同义句的问答集群。每个集群可能包含由 WikiAnswers 用户提供的答案。共有 30,370,994 个集群，平均每个集群包含 25 个问题，其中 3,386,256 个集群（占总数的 11%）包含答案。
• 用途: 适用于训练 Sentence Transformers 模型，特别适合于语义搜索和句子相似性任务。

支持的任务

• 任务: 句子相似性分类
• 应用: 用于训练 Sentence Transformers，支持语义搜索和句子相似性分析。

语言

• 语言: 英语

数据集结构

• 数据实例格式: 每个数据实例包含 25 个等效句子，格式为字典，键为 "set"，值为句子列表。

• 示例:

  {"set": [sentence_1, sentence_2, ..., sentence_25]}

• 数据加载: 使用 🤗 Datasets 库加载数据集，数据集以 DatasetDict 格式存储，每个示例包含一个 "set" 特征。

许可证

• 许可证: MIT

引用信息

• 引用:

  @inproceedings{Fader14, author = {Anthony Fader and Luke Zettlemoyer and Oren Etzioni}, title = {{Open Question Answering Over Curated and Extracted Knowledge Bases}}, booktitle = {KDD}, year = {2014} }