Adathalmaz: Beágyazási adatok/Egyszerű Wikipédia
term_id: datasetembedding_datasimple_wiki
Category: training_techniques
Definition
Ez az adathalmaz mondatokból és bekezdésekből áll, amelyeket az Egyszerű angol Wikipédiából (Simple English Wikipedia) vontak ki, egy nem anyanyelvi beszélők számára készült, egyszerűsített nyelvtannal és szókincsű Wikipédia-verzióból. Ez az adathalmaz alapvető szerepet játszik a szövegbeágyazási modellek
Summary
Egy gondosan válogatott adathalmaz, amely az Egyszerű angol Wikipédiából származik, és szövegbeágyazási modellek tanítására és kiértékelésére szolgál.
Key Concepts
- Szemantikus beágyazások
- Szövegegyszerűsítés
- Wikipédia korpusz
- Modell benchmarking
Use Cases
- Könnyű beágyazási modellek tanítása
- Szemantikai hasonlóság értékelése egyszerű kontextusokban
- NLP hozzáférhetőségi eszközök fejlesztése