清华大学 发布 StickerQueries 数据集, 应用在 自然语言处理、贴纸检索 领域

清华大学 本次发布的数据集 StickerQueries, StickerQueries是一个多语言贴纸查询数据集，用于理解并检索上下文中的贴纸。数据集由1,115个英文查询和615个中文查询组成，由超过60位贡献者经过60多个小时的标注工作。该数据集通过一个游戏化的标注框架Sticktionary收集数据，旨在生成高质量、语义丰富且与上下文相符的贴纸查询。数据集的创建旨在解决现有模型在生成情感驱动查询方面的不足，并为贴纸检索和推荐系统提供支持。StickerQueries数据集是公开可用的，并附带两个微调的查询生成模型，以促进未来的研究。

查看StickerQueries

Dataset card 内容： 

Files and versions 内容： 

关于 清华大学 , 清华大学，位于中国北京，是一所享誉全球的顶尖研究型大学，以其深厚的学术底蕴和杰出的科研能力而著称。

关于 arXiv , arXiv 是一个免费分发服务和开放获取的学术文章档案库，涵盖了物理学、数学、计算机科学、定量生物学、定量金融、统计学、电气工程和系统科学以及经济学等领域。该网站上的材料并未经过 arXiv 的同行评审。