maknee/bioasq_bier_3072_1m

---
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, 1M)

Generated embeddings dataset for vector database training and evaluation.

## Dataset Summary

This dataset contains 1,000,000 text samples with vector embeddings (3072 dimensions)
generated from the BioASQ-BEIR dataset using Qwen/Qwen3-Embedding-8B.

## Dataset Structure
- **Base dataset**: 1,000,000 samples with embeddings
- **Embedding dimension**: 3072

## Repository Structure

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

## Usage

```python
from datasets import load_dataset

dataset = load_dataset("maknee/bioasq_bier_3072_1m")
base_data = dataset["train"]

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

## Dataset Information

- **Source**: BioASQ-BEIR
- **Size**: 1,000,000 samples
- **Dimension**: 3072
- **Format**: Parquet

## Citation

```bibtex
@dataset{huggingface_embeddings_maknee_bioasq_bier_3072_1m,
title={BioASQ-BEIR Vector Database Embeddings Dataset},
author={Henry Zhu},
year={2026},
url={https://huggingface.co/datasets/maknee/bioasq_bier_3072_1m}
}
```

## License

MIT License.

许可证：MIT
任务类别：
- 特征提取（Feature Extraction）
- 文本检索（Text Retrieval）
语言：
- 英语
配置项：
- 配置名称：default
数据文件：
- 拆分：train（训练集）
路径: "parquet/base.parquet"

# BioASQ-BEIR向量数据库（Vector Database）数据集（3072维，100万条）

用于向量数据库训练与评估的生成嵌入数据集。

## 数据集概览
本数据集包含1,000,000条文本样本，附带由Qwen/Qwen3-Embedding-8B模型从BioASQ-BEIR数据集生成的3072维向量嵌入（Vector Embedding）。

## 数据集结构
- **基础数据集**：1,000,000条带嵌入的样本
- **嵌入维度（Embedding Dimension）**：3072

## 仓库结构

### parquet/
- `base.parquet`：包含文本与嵌入信息的主数据集文件

## 使用方法

python
from datasets import load_dataset

# 加载目标数据集
dataset = load_dataset("maknee/bioasq_bier_3072_1m")
# 获取训练拆分数据集
base_data = dataset["train"]

import numpy as np
# 将嵌入字段转换为NumPy数组
embeddings = np.array(base_data["embedding"])
# 获取文本字段数据
texts = base_data["text"]

## 数据集信息
- **来源**：BioASQ-BEIR
- **样本量**：1,000,000条
- **维度**：3072
- **格式**：Parquet

## 引用

bibtex
@dataset{huggingface_embeddings_maknee_bioasq_bier_3072_1m,
title={BioASQ-BEIR Vector Database Embeddings Dataset},
author={Henry Zhu},
year={2026},
url={https://huggingface.co/datasets/maknee/bioasq_bier_3072_1m}
}

## 许可证
MIT许可证。