您尚未登录账户请先登录您的atyun账户，方可使用该功能
您的企业账号申请正在审核中审核通过后即可使用此功能，请耐心等待~
数据集:
embedding-data/WikiAnswers
英文"WikiAnswers"数据集卡
数据集概述
WikiAnswers语料库包含由WikiAnswers用户标记为释义的问题簇。每个簇可以包含由WikiAnswers用户提供的答案。共有30,370,994个簇，平均每个簇有25个问题。其中3,386,256个簇（11％）有答案。
支持的任务
- Sentence Transformers 用于语义搜索和句子相似性的训练。
语言
- 英语。
数据集结构
数据集中的每个示例包含25个等效句子，并被格式化为具有键“set”和以句子为“value”的列表的字典。
{"set": [sentence_1, sentence_2, ..., sentence_25]}
{"set": [sentence_1, sentence_2, ..., sentence_25]}
...
{"set": [sentence_1, sentence_2, ..., sentence_25]}
此数据集可用于训练Sentence Transformers模型。有关如何使用相似句子训练模型的详细信息，请参考以下帖子。
使用示例
使用 pip install datasets 安装? Datasets库，并使用以下方式从Hub加载数据集：
from datasets import load_dataset
dataset = load_dataset("embedding-data/WikiAnswers")
数据集加载为 DatasetDict，并具有以下格式的 N 个示例：
DatasetDict({
train: Dataset({
features: ['set'],
num_rows: N
})
})
使用以下方式查看示例 i ：
dataset["train"][i]["set"]
数据实例
数据字段
数据拆分
数据集创建
策划原因
源数据
初始数据收集和归一化 谁是源语言的生产者？注释
注释过程 谁是注释者？个人和敏感信息
使用数据的注意事项
数据的社会影响
偏见讨论
其他已知限制
附加信息
数据集策划者
许可信息
引用信息
@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}
}