Multi-EuP

Multi-EuP是一个多语言基准数据集，包含从欧洲议会收集的22,000份多语言文档，涵盖24种语言。该数据集旨在研究多语言信息检索（IR）环境中的公平性，分析排名环境中的语言和人口统计偏差。数据集具有真实的多语言语料库，所有24种语言的主题都被翻译，并提供跨语言相关性判断。此外，数据集还提供与文档相关的丰富人口统计信息，便于研究人口统计偏差。该数据集适用于单语和多语IR的基准测试，并可用于探索由分词策略选择引起的语言偏差。