PoetryMTEB/

ClassicalPoetrySubjectClustering

	Classical Poetry Subject Clustering Benchmark




	
	数据集描述

A classical poetry subject clustering benchmark for evaluating embedding models' performance on unsupervised poetry clustering tasks. 每条记录包含一首诗歌及其所属的题材聚类标签。 本数据集按照 8:2 的比例拆分为训练集和测试集，并保持 subject_code 的分布。

	数据集统计




	

指标 值

诗歌总数 61,775 首诗歌

训练集 49,420 首诗歌

测试集 12,355 首诗歌

文件大小 11.2 MB

id: 诗歌唯一标识符 dynasty: 诗歌朝代 author: 诗歌作者 title: 诗歌标题
type: 诗歌体裁（如五言律诗） text: 诗歌正文内容 subject:… See the full description on the dataset page: https://huggingface.co/datasets/PoetryMTEB/ClassicalPoetrySubjectClustering.