README.md

---
configs:
- config_name: default
  data_files:
  - split: train
    path: train-00000-of-00001.parquet
  - split: test
    path: test-00000-of-00001.parquet
dataset_info:
  config_name: default
  dataset_size: 4409203
  download_size: 4409203
  features:
  - name: id
    dtype: string
  - name: author
    dtype: string
  - name: title
    dtype: string
  - name: text
    dtype: string
  - name: subject
    dtype: string
  - name: subject_code
    dtype: string
  - name: score
    dtype: float64
  - name: language
    dtype: string
  splits:
  - name: train
    num_bytes: 2670957
    num_examples: 5342
  - name: test
    num_bytes: 1738246
    num_examples: 3562
---

# Multilingual Poetry Subject Clustering Benchmark

## 数据集描述

A multilingual poetry subject clustering benchmark for evaluating cross-lingual 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，以及它与聚类中心向量的相似度分数（余弦相似度）。

本数据集按照 6:4 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** | 8,904 首诗歌 |
| **训练集** | 5,342 首诗歌 |
| **测试集** | 3,562 首诗歌 |
| **文件大小** | 4.2 MB |

## 数据字段说明

- `id`: 诗歌唯一标识符
- `author`: 诗歌作者
- `title`: 诗歌标题  
- `text`: 诗歌正文内容
- `language`: 诗歌语言代码
- `subject`: 诗歌题材分析标签 (原始数据)
- `subject_code`: 聚类中心分配的题材标签 (用于聚类评估的基准)
- `score`: 该诗歌与其聚类中心向量的余弦相似度（用于衡量聚类质量）

**subject_code 格式说明**: `S1-1` 表示第1大类下的第1小类，`S2-3` 表示第2大类下的第3小类，以此类推。

## 数据集拆分

数据集按照 6:4 的比例拆分为：
- **train**: 训练集 (60% 的数据)
- **test**: 测试集 (40% 的数据)

拆分时使用分层抽样，保持 subject_code 的分布。

## 使用方法

```python
from datasets import load_dataset

# 加载数据集
dataset = load_dataset("PoetryMTEB/MultilingualPoetrySubjectClustering")

# 访问不同的 split
train_data = dataset['train']
test_data = dataset['test']
```

## Citation

If you use this dataset, please cite:
- Original dataset: PoetryMTEB/MultilingualPoetrySubjectClustering