Datasæt: Indlejringsdata/Simple Wiki
term_id: datasetembedding_datasimple_wiki
Category: training_techniques
Definition
Dette datasæt består af sætninger og afsnit udtrukket fra Simple English Wikipedia, en version af Wikipedia skrevet til ikke-modersmålstalende med forenklet grammatik og ordforråd. Det fungerer som et
Summary
Et kurateret datasæt afledt af Simple English Wikipedia, der bruges til at træne og evaluere tekstindlejringmodeller.
Key Concepts
- Semantiske indlejringer
- Tekstforenkling
- Wikipedia-korpus
- Modelbenchmarking
Use Cases
- Træning af letvægts-indlejringmodeller
- Vurdering af semantisk lighed i simple sammenhænge
- Forbedring af NLP-værktøjer til tilgængelighed