К содержимому

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")