法国斯特拉斯堡国立应用科学学院 发布 PatenTEB 数据集, 应用在 专利分析、文本嵌入 领域

法国斯特拉斯堡国立应用科学学院 本次发布的数据集 PatenTEB, PatenTEB是一个全面的基准数据集，包含了15个任务，涵盖了检索、分类、释义检测和聚类，拥有206万个示例。该数据集采用了领域分层划分、领域特定的硬负样本挖掘以及系统性地涵盖了常规嵌入基准中缺失的非对称片段到文档匹配场景。PatenTEB旨在解决专利文本嵌入中的挑战，包括长文档的依赖处理、非对称匹配场景和跨领域语义理解等问题。

查看PatenTEB

README 内容： 

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。