Slovak STS Synthetic
Ide o syntetický slovenský súbor údajov určený pre úlohu sémantickej textovej podobnosti (STS).
Môžem to použiť?
Licencia dovoľuje len nekomerčné použitie.
O zdroji
Ide o syntetický slovenský súbor údajov určený pre úlohu sémantickej textovej podobnosti (STS). Každý pár pozostáva z vety zo súboru údajov Slovak Summarization a vygenerovanej vety vytvorenej nástrojom GPT-5. GPT-5 mal vygenerovať šesť viet na každú pôvodnú vetu (zo SlovakSum) pre každé skóre podobnosti (0-5). Každá pôvodná veta musela obsahovať aspoň 60 znakov a nie viac ako 200 znakov a musela pozostávať z jednej vety. Celkovo bolo vygenerovaných 6 594 párov viet. Po vygenerovaní viet bola z súboru údajov vybraná náhodná vzorka 300 párov viet. Z každého skóre podobnosti bolo vybraných päťdesiat párov. Vzorku anotovali traja anotátori. Každý anotátor dostal informácie o úlohe a vysvetlenia pre každé skóre STS, ako aj päť vzorových viet s vysvetleniami v pokynoch pre anotáciu. Všetci traja anotátori nezávisle anotovali rovnakú sadu 300 párov viet. Výsledný súbor údajov je rozdelený na dve časti: rozdelenie vlaku pozostávajúce z neanotovanej časti a testovacie rozdelenie pozostávajúce z anotovanej časti. Rozdelenie vlaku: { "sentence1": "Vrtuľník lietal nad národným parkom bez povolenia ochranárov, sťažovať sa chcú aj obce", "sentence2": "Vrtuľník lietal nad národným parkom bez súhlasu ochranárov a obce sa chcú tiež sťažovať.", "similarity_score": "4.666666667"}
Ďalšie zdroje pre túto úlohu
Všetky zdroje pre úlohu „Hľadať podľa významu“ (5)- ModelBGE-M3
BGE-M3 je nový embedovací model, ktorý sa vyznačuje svojou všestrannosťou v oblasti multilinguality, multifunkčnosti a multigranularity.
- University of Science and Technology of China
- BAAI
Licencia neuvedená - DatasetSkMTEB
SkMTEB je prvý komplexný benchmark na hodnotenie textových reprezentácií (embeddingov) v štýle MTEB pre slovenčinu – západoslovanský jazyk s obmedzenými zdrojmi a približne 5…
- SlovakNLP Community
CC BY 4.0 - ModelE5-sk-large
Ide o špecializovaný slovenský sentence-transformers model, ktorý mapuje vety a odseky do 384-rozmerného hustého vektorového priestoru a možno ho použiť na sémantickú textovú…
MIT - ModelE5-sk-small
Ide o špecializovaný slovenský sentence-transformers model, ktorý mapuje vety a odseky do 384-rozmerného hustého vektorového priestoru a možno ho použiť na sémantickú textovú…
MIT
Ďalšie zdroje od tímu NLP KInIT
NLP KInITSlovenská fine-tunovaná verzia Nvidia modelu Parakeet TDT 0.6b v3.
- NLP KInIT
- KInIT
Prepísať rečCC BY 4.0- Prepísať rečCC BY 4.0
- Prepísať rečApache 2.0
- Prepísať rečApache 2.0
- Prepísať rečApache 2.0