maknee/bioasq_bier_3072_100k

---
license: mit
task_categories:
- feature-extraction
- text-retrieval
language:
- en
configs:
- config_name: default
data_files:
- split: train
path: "parquet/base.parquet"
---

# BioASQ-BEIR Vector Database Dataset (3072d, 100k)

Generated embeddings dataset for vector database training and evaluation.

## Dataset Summary

This dataset contains 100,000 text samples with vector embeddings (3072 dimensions)
generated from the BioASQ-BEIR dataset using Qwen/Qwen3-Embedding-8B.

## Dataset Structure
- **Base dataset**: 100,000 samples with embeddings
- **Embedding dimension**: 3072

## Repository Structure

### parquet/
- `base.parquet` - Main dataset with text and embeddings

## Usage

### Loading with HuggingFace Datasets
```python
from datasets import load_dataset

dataset = load_dataset("maknee/bioasq_bier_3072_100k")
base_data = dataset['train']

import numpy as np
embeddings = np.array(base_data['embedding'])
texts = base_data['text']
```

## Dataset Information

- **Source**: BioASQ-BEIR
- **Size**: 100,000 samples
- **Dimension**: 3072
- **Format**: Parquet

## Citation

```bibtex
@dataset{huggingface_embeddings_maknee_bioasq_bier_3072_100k,
title={BioASQ-BEIR Vector Database Embeddings Dataset},
author={Henry Zhu},
year={2026},
url={https://huggingface.co/datasets/maknee/bioasq_bier_3072_100k}
}
```

## License

MIT License.

许可证：MIT许可证
任务类别：
- 特征提取（feature-extraction）
- 文本检索（text-retrieval）
语言：
- 英语（en）
配置项：
- 配置名称：默认（default）
数据文件：
- 拆分集：训练集（train）
路径："parquet/base.parquet"

# BioASQ-BEIR向量数据库数据集（3072维，10万条）

本数据集为用于向量数据库训练与评估的嵌入生成数据集。

## 数据集概览
本数据集包含10万条文本样本，其对应的向量嵌入（vector embeddings）维度为3072，由Qwen/Qwen3-Embedding-8B模型从BioASQ-BEIR数据集生成而来。

## 数据集结构
- **基础数据集**：共10万条附带嵌入的样本
- **嵌入维度**：3072

## 仓库结构
### parquet/
- `base.parquet` - 包含文本与向量嵌入的主数据集文件

## 使用方法
### 使用HuggingFace Datasets加载
python
from datasets import load_dataset

dataset = load_dataset("maknee/bioasq_bier_3072_100k")
base_data = dataset['train']

import numpy as np
embeddings = np.array(base_data['embedding'])
texts = base_data['text']

## 数据集信息
- **来源**：BioASQ-BEIR
- **规模**：10万条样本
- **维度**：3072
- **格式**：Parquet

## 引用
bibtex
@dataset{huggingface_embeddings_maknee_bioasq_bier_3072_100k,
title={BioASQ-BEIR Vector Database Embeddings Dataset},
author={Henry Zhu},
year={2026},
url={https://huggingface.co/datasets/maknee/bioasq_bier_3072_100k}
}

## 许可证
MIT许可证。