LAION eV 发布 Caselaw_Access_Project_embeddings 数据集, 应用在 法律案例、嵌入技术 领域

LAION eV 本次发布的数据集 Caselaw_Access_Project_embeddings, 这是一个为Caselaw Access Project创建的嵌入数据集，由用户Endomorphosis生成。每个法律案例条目通过IPFS/multiformats哈希处理，可通过IPFS/filecoin网络检索。数据集的嵌入由三个模型生成，分别是thenlper/gte-small、Alibaba-NLP/gte-large-en-v1.5和Alibaba-NLP/gte-Qwen2-1.5B-instruct，它们的上下文长度和维度各不相同。嵌入被分成了4096个集群，每个集群的质心和内容ID都提供了。建议在客户端搜索嵌入时，先查询质心，再检索最接近的gte-small集群，然后查询该集群。

查看Caselaw_Access_Project_embeddings

Dataset card 内容： 

Files and versions 内容： 

关于 LAION eV , LAION是一个专注于构建大规模图像-文本对数据集的开源项目。

关于 HuggingFace , Hugging Face是一个机器学习社区协作平台，专注于模型、数据集和应用程序的创建、发现和协作。该平台支持多种数据类型，包括文本、图像、视频、音频和3D数据，并提供开源工具和付费计算及企业解决方案。