parsak/msmarco-tr

MS Marco土耳其语数据集，主要用于文本检索和问答任务。数据集包含四个主要部分：passages、qrels、queries和triples，分别用于不同的数据处理和分析需求。数据集支持土耳其语，适用于多种NLP任务，如文本检索、问答和段落排名。

原始信息汇总

数据集概述

基本信息

• 名称: MS Marco - Turkish
• 语言: 土耳其语 (tr)
• 许可证: Apache-2.0
• 大小: 100K<n<1M
• 任务类别:
  • 文本检索
  • 问答

数据集配置

• 配置名称: passages

  • 特征:
    • pid: int64
    • text: string
  • 分割:
    • train
      • 字节数: 249167997
      • 示例数: 718217
  • 下载大小: 154088206
  • 数据集大小: 249167997

• 配置名称: qrels

  • 特征:
    • qid: int64
    • q0: int64
    • pid: int64
    • rank: int64
  • 分割:
    • train
      • 字节数: 17048352
      • 示例数: 532761
  • 下载大小: 6727024
  • 数据集大小: 17048352

• 配置名称: queries

  • 特征:
    • qid: int64
    • text: string
  • 分割:
    • train
      • 字节数: 23776232
      • 示例数: 501428
    • dev
      • 字节数: 5121647
      • 示例数: 101605
  • 下载大小: 21217177
  • 数据集大小: 28897879

• 配置名称: triples

  • 特征:
    • qid: int64
    • pid_pos: int64
    • pid_neg: int64
  • 分割:
    • train
      • 字节数: 24000000
      • 示例数: 1000000
  • 下载大小: 15887012
  • 数据集大小: 24000000

数据文件配置

• 配置名称: passages

  • 数据文件:
    • train: data/collection/train-*
  • 默认: true

• 配置名称: qrels

  • 数据文件:
    • train: data/qrels/train-*

• 配置名称: queries

  • 数据文件:
    • train: data/queries/train-*
    • dev: data/queries/dev-*

• 配置名称: triples

  • 数据文件:
    • train: data/triples/train-*

标签

• msmarco
• 文本检索
• 问答
• 文章排名
• colbert