irds/mmarco_ru_train

`mmarco/ru/train`数据集由`ir-datasets`包提供，主要用于文本检索任务。该数据集包含808,731个查询（即主题）、532,761个相关性评估和39,780,811个文档对。文档部分需要使用`irds/mmarco_ru`数据集。用户可以通过`datasets`库加载这些数据，并进行进一步的分析和处理。

原始信息汇总

数据集概述

数据集名称

mmarco/ru/train

数据来源

• 源数据集：irds/mmarco_ru

数据集内容

• queries（查询主题）：数量为808,731
• qrels（相关性评估）：数量为532,761
• docpairs（文档对）：数量为39,780,811

数据使用

• 使用irds/mmarco_ru数据集获取docs信息。

数据集加载示例

python from datasets import load_dataset

加载查询数据

queries = load_dataset(irds/mmarco_ru_train, queries) for record in queries: record # {query_id: ..., text: ...}

加载相关性评估数据

qrels = load_dataset(irds/mmarco_ru_train, qrels) for record in qrels: record # {query_id: ..., doc_id: ..., relevance: ..., iteration: ...}

加载文档对数据

docpairs = load_dataset(irds/mmarco_ru_train, docpairs) for record in docpairs: record # {query_id: ..., doc_id_a: ..., doc_id_b: ...}

引用信息

@article{Bonifacio2021MMarco, title={{mMARCO}: A Multilingual Version of {MS MARCO} Passage Ranking Dataset}, author={Luiz Henrique Bonifacio and Israel Campiotti and Roberto Lotufo and Rodrigo Nogueira}, year={2021}, journal={arXiv:2108.13897} }