DMetaSoul/chinese-semantic-textual-similarity

为了对 like-BERT 预训练模型进行 fine-tune 调优和评测以得到更好的文本表征模，对业界开源的语义相似（STS）、自然语言推理（NLI）、问题匹配（QMC）以及相关性等数据集进行了搜集整理，具体介绍如下： 类型 数据集 简介 规模 通用领域 OCNLI 原生中文自然语言推理数据集，是第一个非翻译的、使用原生汉语的大型中文自然语言推理数据集。OCNLI为中文语言理解基准测评（CLUE）的一部分。 Train: 50437, Dev: 2950 CMNLI 翻译自英文自然语言推理数据集 XNLI 和 MNLI，曾经是中文语言理解基准测评（CLUE）的一部分，现在被 OCNLI 取代。 Train: 391783, Dev: 12241 CSNLI 翻译自英文自然语言推理数据集 SNLI。 Train: 545833, Dev: 9314, Test: 9176 STS-B-Chinese 翻译自英文语义相似数据集 STSbenchmark。 Train: 5231, Dev: 1458, Test: 1361 PAWS-X… See the full description on the dataset page: huggingface.co/datasets/DMetaSoul/chinese-semantic-textual-similarity.