Датасет · mteb
Бенчмарк семантической близости текстов STS14
mteb/sts14-sts
Классический англоязычный набор данных SemEval STS 2014 в составе MTEB для оценки качества текстовых эмбеддингов.
Что внутри
В датасете собраны текстовые пары на английском языке из блогов, веб-страниц и разговорной речи для оценки семантического сходства. Объём составляет от 1 000 до 10 000 записей. Набор адаптирован под библиотеку MTEB для стандартизированного тестирования моделей.
Что можно сделать
- Оценка качества моделей текстовых эмбеддингов на задаче sentence-similarity
- Сравнение энкодеров в рамках единого бенчмарка MTEB
- Задачи
- Похожесть текстов
- Языки
- eng
- Размер
- 1K–10K записей
- Скачиваний за месяц
- 19,9 тыс.
- Лайков
- 2
Модели, обученные на нём
Как загрузить
from datasets import load_dataset
ds = load_dataset("mteb/sts14-sts")