这是ChatGPT生成的一个同义句数据集。

基于该数据集的模型可用： model

我们使用以下提示生成同义句

为这个问题生成5个类似的同义句，按照编号的方式显示，不包含注释：{text}

这个数据集基于 Quora paraphrase question ，以及 SQUAD 2.0 和 CNN news dataset 中的文本。

对于每个样本，我们生成了5个同义句，总共约有42万行数据。你可以从每个样本的一行中获得30行数据。这样你就可以得到1260万个训练对（420,000行带有5个同义句的数据-> 6x5x420000 = 1260万个双向对或6x5x420000/2 = 630万个唯一对）。

我们使用了

• Quora数据集中的247138个问题
• Squad 2.0数据集中的91983个文本
• CNN新闻数据集中的80076个文本

数据集的结构

• text列 - 数据集中的原始句子或问题
• paraphrases - 5个同义句的列表
• category - 问题/句子
• source - quora/squad_2/cnn_news

法律免责声明

数据基于OpenAI的gpt-3.5-turbo，其 terms of use 条款禁止开发与OpenAI竞争的模型。因此，如果您使用此数据集来训练模型，请不要与OpenAI竞争。

BibTeX引用和引文信息

@inproceedings{chatgpt_paraphrases_dataset,
  author={Vladimir Vorobev, Maxim Kuznetsov},
  title={ChatGPT paraphrases dataset},
  year={2023}
}