Datasets:

mteb
/

stsb_multi_mt

sentence1 large_stringlengths 3 297	sentence2 large_stringlengths 3 315	similarity_score float32 0 5	lang large_stringclasses 10 values
Ein Mädchen frisiert ihr Haar.	Ein Mädchen bürstet sich die Haare.	2.5	de
Eine Gruppe von Männern spielt am Strand Fußball.	Eine Gruppe von Jungen spielt am Strand Fußball.	3.6	de
Eine Frau misst den Knöchel einer anderen Frau.	Eine Frau misst den Knöchel einer anderen Frau.	5	de
Ein Mann schneidet eine Gurke auf.	Ein Mann schneidet eine Gurke in Scheiben.	4.2	de
Ein Mann spielt eine Harfe.	Ein Mann spielt auf einem Keyboard.	1.5	de
Eine Frau schneidet Zwiebeln.	Eine Frau schneidet Tofu.	1.8	de
Ein Mann fährt ein elektrisches Fahrrad.	Ein Mann fährt Fahrrad.	3.5	de
Ein Mann spielt die Trommeln.	Ein Mann spielt Gitarre.	2.2	de
Ein Mann spielt Gitarre.	Eine Dame spielt Gitarre.	2.2	de
Ein Mann spielt Gitarre.	Ein Mann spielt Trompete.	1.714	de
Ein Mann spielt Gitarre.	Ein Mann spielt Trompete.	1.714	de
Ein Mann schneidet eine Zwiebel.	Ein Mann schneidet eine Zwiebel.	5	de
Ein Mann fährt Rad.	Ein Mann spricht.	0.6	de
Ein Mann schneidet einen Fisch auf.	Ein Mann schneidet einen Fisch auf.	4.4	de
Ein Mann schneidet eine Tomate in Scheiben.	Ein Mann schneidet ein Brötchen auf.	2	de
Ein Mann spielt Gitarre.	Ein Mann spielt auf einem Keyboard.	1.8	de
Ein Baby-Panda rutscht eine Rutsche hinunter.	Ein Panda rutscht eine Rutsche hinunter.	4.4	de
Ein Mann singt und spielt Gitarre.	Ein Mann spielt Gitarre.	3.6	de
Ein Mann greift eine Frau an.	Ein Mann ohrfeigt eine Frau.	3.6	de
Ein Mann fährt ein Auto.	Ein Mann reitet auf einem Pferd.	1.2	de
Eine Frau schneidet Tofu.	Eine Frau schneidet eine Zwiebel.	2.4	de
Die Frau frisiert ihr Haar.	Die Frau schneidet Kräuter in Scheiben.	0.2	de
Zwei Zebras spielen auf einem offenen Feld.	Zwei Zebras spielen auf einem Feld.	4.2	de
Ein Mann schneidet eine Kartoffel.	Ein Mann schneidet gerade eine Kartoffel in Scheiben.	4.4	de
Ein Mann schneidet eine Zwiebel.	Eine Frau schneidet einen Kürbis in Scheiben.	2.25	de
Ein Mann tanzt.	Ein Mann und eine Frau tanzen.	2	de
Ein Mann fährt ein Motorrad.	Eine Frau reitet auf einem Pferd.	0.75	de
Eine Frau schneidet Knoblauch in Scheiben.	Eine Frau schneidet eine Zwiebel in Scheiben.	2.2	de
Ein Mann spricht.	Ein Mann kocht.	0.8	de
Ein kleiner Junge singt und spielt Gitarre.	Ein Mann singt und spielt Gitarre.	2.2	de
Eine Schildkröte schwimmt im Wasser.	Eine Schildkröte läuft unter Wasser.	3.2	de
Eine junge Frau klebt sich Aufkleber ins Gesicht.	Eine Frau klebt Aufkleber auf ihr Gesicht.	4.8	de
Eine Frau wickelt Tofu ein.	Eine Frau knüllt Teig.	1.4	de
Eine Katze frisst etwas Mais.	Eine Katze frisst Maiskolben.	4.25	de
Ein Mann isst ein Lebensmittel.	Ein Mann isst ein Stück Brot.	3.4	de
Ein Mann spielt Gitarre.	Ein Mann isst Nudeln.	0.533	de
Ein Mann tritt gegen Wassertöpfe.	Ein Mann pflückt Blumen.	0.4	de
Ein Mann schneidet ein Rohr mit einer Schere durch.	Ein Mann schneidet mit einem Messer Teppiche aus.	1.2	de
Eine Frau tanzt im Regen.	Eine Frau tanzt im Regen auf der Außenseite.	5	de
Eine Frau nimmt ein Bad.	Eine Frau reitet auf einem Pferd.	0.538	de
Ein Mann mischt Gemüse in einem Topf.	Eine Person rührt Gemüse in einem Topf um.	3.75	de
Eine Frau telefoniert mit einem Mobiltelefon.	Ein Mann und eine Frau sprechen am Telefon.	3	de
Ein Mann spielt Gitarre.	Ein Mann singt, während er Gitarre spielt.	3.6	de
Ein Mann spielt Gitarre.	Ein Mann fährt ein Auto.	0.5	de
Ein Mann schneidet einen Apfel mit der Hand.	Ein Mann schneidet mit einem Messer Teppiche aus.	1.5	de
Ein Mann öffnet eine Tür.	Ein Mann schneidet eine Zwiebel.	0.8	de
Ein Mann schneidet eine Tomate in Scheiben.	Ein Mann reitet auf einem Pferd.	0.8	de
Ein Mann schneidet Papier mit einem Schwert.	Eine Frau schneidet eine Tomate.	0.6	de
Ein Junge studiert einen Kalender.	Ein Junge schaut auf einen Kalender.	4.4	de
Die Ballerina tanzt.	Ein Mann tanzt.	1.75	de
Eine Frau tanzt.	Eine Frau spielt Geige.	0.4	de
Eine Frau schneidet einige Tomaten in Scheiben.	Eine Frau schneidet eine Kartoffel.	1.4	de
Eine Frau fährt Wasserski.	Eine Frau schneidet Fisch in Scheiben.	0.4	de
Ein Mann spielt eine Flöte.	Ein Mann fährt einen Roller.	0.8	de
Ein Mann spielt Klavier.	Ein Mann spielte Gitarre.	2	de
Eine Frau pflückt eine Dose.	Ein Mann spielt Gitarre.	0.133	de
Ein Mann legt drei Fleischstücke in eine Pfanne.	Ein Mann legt Fleisch in eine Pfanne.	4	de
Eine Frau schneidet eine Zwiebel.	Eine Frau putzt einen Garten.	0.267	de
Einige Männer sägen.	Männer sägen Baumstämme.	3.4	de
Ein Auto wird die Straße entlang gefahren.	Ein Mädchen geht eine Straße entlang.	1.2	de
Der Mann küsst und umarmt die Frau.	Ein Mann umarmt und küsst eine Frau.	5	de
Ein Zug ist in Bewegung.	Ein Mann macht Yoga.	0	de
Jemand schneidet eine Zwiebel in Scheiben.	Eine Frau schneidet Zwiebeln.	3.8	de
Eine Frau spielt im Meer.	Eine Frau bereitet Garnelen zum Kochen vor.	0.75	de
Eine Person spielt auf einer elektronischen Tastatur.	Ein Kind spielt Keyboard.	3.4	de
Ein Mann hält ein Blatt in der Hand.	Ein Affe kämpft gegen einen Menschen.	0	de
Eine Frau schält Garnelen.	Ein Mann drückt Wasser.	0.2	de
Ein Mann sitzt und raucht.	Ein Mann raucht eine Zigarette.	4	de
Ein Mann spielt Gitarre.	Eine Frau reitet auf einem Pferd.	0.5	de
Ein Mann steht vor dem Fenster und schaut nach draußen.	Ein Mann starrt aus dem Fenster.	3.8	de
Ein Stinktier schaut hier und da hin.	Ein Stinktier schaut in die Kamera.	2.4	de
Ein Mann spielt Gitarre und singt.	Ein Mann singt mit einer Gitarre.	4.75	de
Eine Frau öffnet ein Fenster.	Ein Mann krabbelt.	0	de
Draußen tanzen die Leute.	Eine Gruppe von Menschen tanzt.	3.75	de
Der Mann benutzt eine Kamera, um einen Nagel einzuschlagen.	Jemand knallt eine Kameralinse gegen einen Nagel.	2.6	de
Eine Frau feilt ihre Nägel.	Ein Mann schält eine Karotte.	0	de
Ein Junge krabbelt in eine Hundehütte.	Ein Junge spielt eine Holzflöte.	0.75	de
Eine Frau schwimmt unter Wasser.	Ein Mann schneidet einige Karotten in Scheiben.	0	de
Eine Maschine spitzt einen Bleistift.	Die Maschine hat das Ende des Bleistifts rasiert.	3.8	de
Ein Affe spielt Trommeln.	Ein Gorilla spielt die Trommeln.	2.8	de
Ein Mann öffnet eine Schachtel und holt Papier heraus.	Eine Frau schält eine Kartoffel.	0	de
Eine Frau tanzt.	Eine Frau spielt Klarinette.	0.8	de
Eine Person zeichnet auf einem großen Touchscreen.	Ein Mann zeichnet auf einer digitalen Trockenlöschtafel.	3	de
Die gespielten Männer folgen dem Anführer auf dem Rasen.	Das Nashorn graste auf dem Gras.	1	de
Eine Frau knackt Eier.	Ein Mann spricht mit einer Frau.	0	de
Eine Frau schält Knoblauch mit ihren Händen.	Die Frau schneidet Kräuter in Scheiben.	1	de
Die Eisbären kämpften um die Beute.	Eisbären bekämpfen sich gegenseitig.	3.4	de
Ein Mann macht Tricks mit Spielkarten.	Ein Mann führt einen Kartentrick vor.	5	de
Die Katze leckt eine Flasche.	Eine Katze spielt mit einer kleinen Flasche.	2.333	de
Eine Person schneidet eine Zwiebel in Scheiben.	Eine Person schneidet Ingwer.	1.4	de
Eine Person schält eine Kartoffel mit einem Kartoffelschäler.	Ein Mann schneidet Tomaten mit einem Beil.	0.75	de
Zwei Frauen tanzen und singen vor einer Menschenmenge.	Die Frauen singen und tanzen.	3.538	de
Ein Mann würzt gerade einige Karotten.	Eine Frau schneidet Knoblauch.	0.8	de
Zwei Männer schoben Karren durch den Wald.	Zwei Männer schieben Karren.	3.5	de
Ein Mann spielt einen Fussball.	Ein Mann manövriert einen Fussball mit seinen Füssen.	2	de
Die Dame schälte die Kartoffel.	Eine Frau schält eine Kartoffel.	4.75	de
Eine Frau schneidet etwas Tofu in Scheiben.	Eine Frau schneidet einen Block Tofu in kleine Würfel.	4	de
Jemand hat auf einer Tastatur getippt.	Jemand tippt gerade.	4.5	de
Drei junge Männer rennen, springen und treten von einem Cola-Automaten ab.	Drei Männer springen von einer Mauer.	1.5	de
Ein junges asiatisches Mädchen trägt Eyeliner auf.	Ein Mädchen schminkt sich die Augen.	2.4	de

End of preview. Expand in Dataset Viewer.

Dataset Card for STSb Multi MT

Dataset Summary

STS Benchmark comprises a selection of the English datasets used in the STS tasks organized in the context of SemEval between 2012 and 2017. The selection of datasets include text from image captions, news headlines and user forums. (source)

These are different multilingual translations and the English original of the STSbenchmark dataset. Translation has been done with deepl.com. It can be used to train sentence embeddings like T-Systems-onsite/cross-en-de-roberta-sentence-transformer.

Examples of Use

Load German dev Dataset:

from datasets import load_dataset
dataset = load_dataset("stsb_multi_mt", name="de", split="dev")

Load English train Dataset:

from datasets import load_dataset
dataset = load_dataset("stsb_multi_mt", name="en", split="train")

Supported Tasks and Leaderboards

[More Information Needed]

Languages

Available languages are: de, en, es, fr, it, nl, pl, pt, ru, zh

Dataset Structure

Data Instances

This dataset provides pairs of sentences and a score of their similarity.

score	2 example sentences	explanation
5	The bird is bathing in the sink. Birdie is washing itself in the water basin.	The two sentences are completely equivalent, as they mean the same thing.
4	Two boys on a couch are playing video games. Two boys are playing a video game.	The two sentences are mostly equivalent, but some unimportant details differ.
3	John said he is considered a witness but not a suspect. “He is not a suspect anymore.” John said.	The two sentences are roughly equivalent, but some important information differs/missing.
2	They flew out of the nest in groups. They flew into the nest together.	The two sentences are not equivalent, but share some details.
1	The woman is playing the violin. The young lady enjoys listening to the guitar.	The two sentences are not equivalent, but are on the same topic.
0	The black dog is running through the snow. A race car driver is driving his car through the mud.	The two sentences are completely dissimilar.

An example:

{
    "sentence1": "A man is playing a large flute.",
    "sentence2": "A man is playing a flute.",
    "similarity_score": 3.8
}

Data Fields

sentence1: The 1st sentence as a str.
sentence2: The 2nd sentence as a str.
similarity_score: The similarity score as a float which is <= 5.0 and >= 0.0.

Data Splits

train with 5749 samples
dev with 1500 samples
test with 1379 sampples

Dataset Creation

Curation Rationale

[More Information Needed]

Source Data

Initial Data Collection and Normalization

[More Information Needed]

Who are the source language producers?

[More Information Needed]

Annotations

Annotation process

[More Information Needed]

Who are the annotators?

[More Information Needed]

Personal and Sensitive Information

[More Information Needed]

Considerations for Using the Data

Social Impact of Dataset

[More Information Needed]

Discussion of Biases

[More Information Needed]

Other Known Limitations

[More Information Needed]

Additional Information

Dataset Curators

[More Information Needed]

Licensing Information

See LICENSE and download at original dataset.

Citation Information

@InProceedings{huggingface:dataset:stsb_multi_mt,
title = {Machine translated multilingual STS benchmark dataset.},
author={Philip May},
year={2021},
url={https://github.com/PhilipMay/stsb-multi-mt}
}