intai2070/

legal-names-bi-encoder-dataset

	📊 مجموعه داده اعتبارسنجی نام شرکت‌ها (ویژه مدل‌های Bi-Encoder)




	
	✨ معرفی

این دیتاست شامل بیش از 340,000 رکورد سه‌تایی (triplet) است که برای آموزش و ارزیابی مدل‌های پردازش زبان طبیعی (NLP) در زمینه‌ی تشخیص شباهت و اعتبارسنجی نام شرکت‌ها طراحی شده است. این مجموعه داده به طور خاص برای تولید و آموزش مدل‌های Bi-Encoder آماده شده است. Bi-Encoder نوعی معماری در مدل‌های زبانی است که برای وظایف semantic similarity و retrieval استفاده می‌شود. در این روش، هر متن (مثلاً نام اصلی… See the full description on the dataset page: https://huggingface.co/datasets/intai2070/legal-names-bi-encoder-dataset.