embedding

kaggle2026-04-05 更新2026-05-20 收录

文本语义嵌入

相似度计算

数据链接：

https://www.kaggle.com/datasets/ahmedhazemhassan/embedding 数据链接链接失效反馈

官方服务：

资源简介：

Sentence-Transformers all-MiniLM-L6-v2 - Lightweight embeddings model

句子Transformer（Sentence-Transformers）all-MiniLM-L6-v2 —— 轻量级嵌入模型

创建时间：

2026-04-05

DT4LM/albertbasev2_qqp_clare_adv2

相似度计算

重复问题检测

该数据集包含两个问题（question1和question2）以及一个标签（label），用于表示两个问题之间的关系。数据集仅包含一个训练集，共有11460个样本。数据集的下载大小为970975字节，文件大小为1474488字节。数据集的配置名称为default，数据文件路径为data/train-*。

Hugging Face2024-06-27 更新130

liuyanchen1015/MULTI_VALUE_qqp_no_gender_distinction

相似度计算

重复问题检测

--- dataset_info: features: - name: question1 dtype: string - name: question2 dtype: string - name: label dtype: int64 - name: idx dtype: int64 - name: value_score dtyp

Hugging Face2023-04-04 更新70

Calculating Sameness: Identifying Image Reuse In Early Modern books

相似度计算

数字人文

Abstract of paper 0222 presented at the Digital Humanities Conference 2019 (DH2019), Utrecht , the Netherlands 9-12 July, 2019.

DataverseNL2019-12-17 更新40

Abrak/wikipedia-paragraph-embeddings-en-gist-complete

文本语义嵌入

维基百科内容分析

该数据集包含英文维基百科每篇文章的段落嵌入，这些嵌入是基于wikimedia/wikipedia数据集生成的，并使用了avsolatorio/GIST-small-Embedding-v0模型进行量化处理。数据集的结构设计旨在最小化存储和计算需求，同时覆盖维基百科的广度。每个数据实例包含一个ID和一个嵌入向量，嵌入向量由384个int8值组成。数据来源于2023年11月1日的英文维基百科快照，嵌入

Hugging Face2024-08-23 更新90

KhaledReda/pairs_with_scores_v43

相似度计算

该数据集是一个用于评估句子对相似度的数据集，包含两个文本字段（sentence1和sentence2）和一个浮点分数（score），分数可能表示句子之间的语义相似度或相关性。数据集分为训练集和评估集，训练集约有4016万个示例，评估集约有20万个示例，总大小约73.4亿字节。它适用于自然语言处理任务，如文本匹配、相似度计算或自然语言推理。

Hugging Face2026-05-03 更新50

embedding

资源简介：

相关数据集