gagan3012/wikipedia-2023-11-retrieval-multilingual

该数据集包含三个配置：corpus、default和queries。corpus配置包含文档的ID、标题和文本内容，适用于测试集，包含13500个示例，数据集大小为6677737.0字节。default配置涉及查询ID、文档ID和分数，同样适用于测试集，包含13500个示例，数据集大小为739207字节。queries配置包含查询的ID和文本内容，适用于测试集，包含1500个示例，数据集大小为147453.0字节。该数据集包含三个配置：corpus、default和queries。corpus配置包含文档的ID、标题和文本内容，适用于测试集，包含13500个示例，数据集大小为6677737.0字节。default配置涉及查询ID、文档ID和分数，同样适用于测试集，包含13500个示例，数据集大小为739207字节。queries配置包含查询的ID和文本内容，适用于测试集，包含1500个示例，数据集大小为147453.0字节。

原始信息汇总

数据集概述

配置名称：corpus

• 特征:
  • _id: 数据类型为字符串
  • title: 数据类型为字符串
  • text: 数据类型为字符串
• 分割:
  • test:
    • 字节数: 6677737.0
    • 示例数: 13500
• 下载大小: 3998998
• 数据集大小: 6677737.0

配置名称：default

• 特征:
  • query-id: 数据类型为字符串
  • corpus-id: 数据类型为字符串
  • score: 数据类型为float32
• 分割:
  • test:
    • 字节数: 739207
    • 示例数: 13500
• 下载大小: 127940
• 数据集大小: 739207

配置名称：queries

• 特征:
  • _id: 数据类型为字符串
  • text: 数据类型为字符串
• 分割:
  • test:
    • 字节数: 147453.0
    • 示例数: 1500
• 下载大小: 91794
• 数据集大小: 147453.0