README.md

---
language:
  - es
license: apache-2.0
size_categories:
  - 10K<n<100K
task_categories:
  - sentence-similarity
tags:
  - contrastive-learning
  - e-commerce
  - sentence-transformers
  - spanish
  - mercadolibre
dataset_info:
  features:
  - name: producto_a
    dtype: string
  - name: producto_b
    dtype: string
  splits:
  - name: train
    num_bytes: 2602909
    num_examples: 25797
  download_size: 2079544
  dataset_size: 2602909
configs:
- config_name: default
  data_files:
  - split: train
    path: data/train-*
---

# Pares de Productos para Contrastive Learning (Español)

**25.797 pares positivos** de títulos de productos que pertenecen a la misma categoría,
listos para entrenar embeddings con contrastive learning (`MultipleNegativesRankingLoss`).

## Contenido
Cada fila es un par `(producto_a, producto_b)` de la **misma categoría** — un par positivo.
Los negativos se generan automáticamente durante el entrenamiento (in-batch negatives),
por lo que este dataset solo contiene los positivos.

Ejemplo:
| producto_a | producto_b |
|---|---|
| Depiladora No No Classic | Depiladora Laser Diodo Soprano Ice Platinum |
| Ruana Capa Poncho Estilo Burberry | Poncho Cambiador Playero Surf Hombre |

## Uso
```python
from datasets import load_dataset
from sentence_transformers import InputExample

ds = load_dataset("Mateo-Rua/pares-productos-ecommerce-es")["train"]
ejemplos = [InputExample(texts=[r["producto_a"], r["producto_b"]]) for r in ds]
```

## Procesamiento
Derivado del [MeLi Data Challenge 2019](https://www.kaggle.com/datasets/abugim/meli-data-challenge-2019)
(Mercado Libre). Los pares se construyeron emparejando títulos de la misma categoría, tras
filtrar por idioma español, calidad de etiqueta (`reliable`) y limpieza de duplicados.

## Modelo entrenado con estos datos
[Mateo-Rua/embeddings-productos-ecommerce-es](https://huggingface.co/Mateo-Rua/embeddings-productos-ecommerce-es)
— embeddings de productos con Recall@10 de 0.921.

## Fuente
Datos originales: MeLi Data Challenge 2019 (Mercado Libre). Subconjunto transformado con
fines educativos y de portafolio.

**Autor:** [Mateo Rúa](https://huggingface.co/Mateo-Rua)