Dataset: Embedding Data/Simple Wiki
term_id: datasetembedding_datasimple_wiki
Category: training_techniques
Definition
Tato sada dat se skládá ze vět a odstavců extrahovaných z Simple English Wikipedie, což je verze Wikipedie psaná pro nemativé mluvčí s zjednodušenou gramatikou a slovní zásobou. Slouží jako
Summary
Kurátorovaná sada dat odvozená z Simple English Wikipedie používaná pro trénování a vyhodnocování modelů textových vektorových reprezentací (embeddings).
Key Concepts
- Sémantické vektorové reprezentace
- Zjednodušení textu
- Korpus Wikipedie
- Benchmarkování modelů
Use Cases
- Trénování lehkých modelů vektorových reprezentací
- Vyhodnocování sémantické podobnosti v jednoduchých kontextech
- Zlepšování nástrojů NLP pro přístupnost