sentence1 large_string | sentence2 large_string | score float64 | label int64 |
|---|---|---|---|
Bir adam gitar çalıyor. | Bir erkek gitar çalmakta. | 5 | 1 |
Kadın mutfakta yemek pişiriyor. | Bir kadın mutfakta akşam yemeği hazırlıyor. | 4.4 | 1 |
Çocuklar parkta futbol oynuyor. | Bir grup çocuk sahada top oynuyor. | 4 | 1 |
Kar yağışı nedeniyle okullar tatil edildi. | Yoğun kar yüzünden eğitime ara verildi. | 4.6 | 1 |
Kedi pencerenin önünde uyuyor. | Bir kedi camın kenarında uyukluyor. | 4.5 | 1 |
Yarın İstanbul'da sağanak yağış bekleniyor. | İstanbul için yarına kuvvetli yağmur uyarısı yapıldı. | 4.3 | 1 |
Öğrenciler sınav sonuçlarını bekliyor. | Öğrenciler notlarının açıklanmasını bekliyor. | 4.7 | 1 |
Adam köpeğini parkta gezdiriyor. | Bir adam parkta köpeğiyle yürüyüş yapıyor. | 4.8 | 1 |
Bu telefonun pili çok çabuk bitiyor. | Telefonun şarjı uzun süre dayanmıyor. | 4.5 | 1 |
Trafik kazasında iki kişi yaralandı. | Meydana gelen kazada iki yaralı var. | 4.6 | 1 |
Doktor hastayı muayene etti. | Hekim hastanın kontrolünü yaptı. | 4.4 | 1 |
Merkez Bankası faiz oranını düşürdü. | Faiz oranlarında indirime gidildi. | 4.2 | 1 |
Bir kadın bisiklet sürüyor. | Bir kadın bisikletiyle geziyor. | 4.6 | 1 |
Film çok sıkıcıydı, yarısında çıktık. | Filmi beğenmedik, sonuna kadar izleyemedik. | 3.8 | 1 |
Ekmek fiyatlarına zam geldi. | Ekmeğin fiyatı arttı. | 4.9 | 1 |
Uçak rötar yaptı, üç saat bekledik. | Uçuş gecikti ve havalimanında uzun süre bekledik. | 4.3 | 1 |
Kahvaltıda peynir ve zeytin yedim. | Sabah kahvaltısında zeytinle peynir tükettim. | 4.5 | 1 |
Takım maçı 2-1 kazandı. | Karşılaşma 2-1'lik skorla takımın galibiyetiyle bitti. | 4.7 | 1 |
Bahçeye domates fidesi diktim. | Bahçeme domates ektim. | 3.9 | 1 |
Yeni bir iş buldum. | İşe girdim. | 4.1 | 1 |
Adam gitar çalıyor. | Adam gitarı tamir ediyor. | 2.6 | 1 |
Çocuk kitap okuyor. | Çocuk ders çalışıyor. | 2.4 | 1 |
Kedi bahçede koşuyor. | Köpek bahçede koşuyor. | 2.8 | 1 |
Bugün hava çok sıcak. | Bugün hava oldukça nemli. | 2.5 | 1 |
Otobüs durakta bekliyor. | Yolcular durakta otobüs bekliyor. | 3 | 1 |
Yemek çok tuzlu olmuş. | Yemek biraz baharatlı olmuş. | 2.3 | 1 |
Fiyatlar geçen yıla göre arttı. | Maaşlar geçen yıla göre arttı. | 1.9 | 0 |
Öğretmen sınıfa girdi. | Öğrenci sınıftan çıktı. | 1.8 | 0 |
Toplantı sabah dokuzda başlayacak. | Toplantı akşam altıda sona erdi. | 1.9 | 0 |
Bilgisayarım bozuldu, tamire götürdüm. | Bilgisayarıma yeni bir program kurdum. | 1.6 | 0 |
Kadın şarkı söylüyor. | Kadın telefonda konuşuyor. | 1.4 | 0 |
Bugün maça gideceğiz. | Bugün marketten alışveriş yapacağız. | 0.8 | 0 |
Kar yağışı ulaşımı aksattı. | Kuru fasulye pilavla çok lezzetli olur. | 0 | 0 |
Yeni telefon modeli tanıtıldı. | Kedim sabahtan beri uyuyor. | 0 | 0 |
Ali sınavdan yüksek not aldı. | Arabanın lastiği patladı. | 0 | 0 |
Deniz suyu bugün çok soğuktu. | Yazılım güncellemesi hataları düzeltti. | 0 | 0 |
Hastane acil servisi çok kalabalıktı. | Bahçedeki güller açmış. | 0.1 | 0 |
Ekonomide büyüme oranı açıklandı. | Çocuklar bahçede saklambaç oynuyor. | 0 | 0 |
Kitabı raftan aldım. | Uçak saat üçte kalkıyor. | 0 | 0 |
Kahve makinesi çalışmıyor. | Yağmur bütün gün devam etti. | 0 | 0 |
Türkçe Cümle Benzerliği Veri Seti (STS-TR)
Bu veri seti, trmteb/stsb-tr yapısı örnek alınarak elle (manuel) hazırlanmış Türkçe bir Semantic Textual Similarity (STS) veri setidir.
Veri Yapısı
| Alan | Tip | Açıklama |
|---|---|---|
sentence1 |
string | Birinci cümle |
sentence2 |
string | İkinci cümle |
score |
float | Anlamsal benzerlik puanı, 0.0 – 5.0 (STS-B ölçeği) |
label |
int | İkili etiket: 1 = anlamca benzer/alakalı, 0 = alakasız |
label, score'dan türetilmiştir: score >= 2.0 → 1, aksi hâlde 0.
Puanlama Ölçeği (STS-B standardı)
| Puan | Anlam |
|---|---|
| 5 | Tamamen aynı anlam; biri diğerinin yeniden ifadesi |
| 4 | Büyük ölçüde aynı; küçük ayrıntı farkı var |
| 3 | Kısmen aynı; bazı önemli bilgiler farklı |
| 2 | Aynı konu, farklı bilgi |
| 1 | Aynı alan/tema, anlamca farklı |
| 0 | Tamamen alakasız |
İstatistikler
- Toplam çift sayısı: 40
- Ödev üst sınırı: maksimum 80 çift — bu sette 40 kullanılmıştır
- Dağılım: 20 yüksek benzerlik (score ≥ 3.8), 6 orta (2.0 ≤ score < 3.8), 14 düşük/alakasız (score < 2.0)
- label = 1: 26 çift | label = 0: 14 çift
Dağılım bilinçli olarak dengelenmiştir: yalnızca "aynı" ve "tamamen alakasız" uçları içeren bir set, modelin ara bölgeyi öğrenmesini engeller. Bu yüzden "adam gitar çalıyor / adam gitarı tamir ediyor" gibi aynı varlık, farklı eylem ve "fiyatlar arttı / maaşlar arttı" gibi aynı kalıp, farklı özne örnekleri özellikle eklenmiştir.
İş Bölümü (İki Kişilik Grup Çalışması)
| Rol | Görev |
|---|---|
| 1. Kişi | sentence1 ve sentence2 çiftlerini oluşturdu |
| 2. Kişi | Her çiftin anlamsal ilişkisini score ve label olarak puanladı/etiketledi |
Not: Puanlama tek bir değerlendiriciye aittir. İki değerlendirici bağımsız puanlama yapıp Pearson/Spearman uyumu ölçülürse (inter-annotator agreement) veri setinin güvenilirliği raporlanabilir.
Kullanım
from datasets import load_dataset
ds = load_dataset("KULLANICI_ADI/sts-tr")
print(ds["train"][0])
# {'sentence1': 'Bir adam gitar çalıyor.', 'sentence2': 'Bir erkek gitar çalmakta.', 'score': 5.0, 'label': 1}
Sentence-transformers ile eğitim/değerlendirme için puanlar 0–1 aralığına ölçeklenmelidir:
from sentence_transformers import InputExample
examples = [
InputExample(texts=[r["sentence1"], r["sentence2"]], label=r["score"] / 5.0)
for r in ds["train"]
]
Sınırlar
- Veri seti küçüktür (40 çift); eğitim için değil, değerlendirme/gösterim amaçlıdır.
- Cümleler elle yazılmıştır, doğal metinlerden örneklenmemiştir; bu nedenle gerçek dünya dağılımını yansıtmaz.
- Tek değerlendiricili puanlama öznellik içerir.
Lisans
CC BY 4.0
- Downloads last month
- 12