ngoan/ms_marco_vietnamese

这是一个越南语版本的MS MARCO段落排名数据集，属于mMARCO项目的一部分。该数据集包含10,000个越南语样本，但并非完整的越南语数据集。数据集的特征包括查询（query）、正面回答（positive）和负面回答（negative），并且提供了训练集的详细信息，包括大小和示例数量。

原始信息汇总

数据集概述

数据集信息

• 许可证：Apache-2.0
• 特征：
  • query：字符串类型
  • positive：字符串类型
  • negative：字符串类型
• 分割：
  • train：
    • 字节数：9920633
    • 样本数：10000
• 下载大小：3598309
• 数据集大小：9920633

配置

• 配置名称：default
• 数据文件：
  • train：路径为 data/train-*

描述

• 数据集为越南语版本的MS MARCO段落排序数据集，属于mMARCO项目的一部分，包含10,000个越南语样本。

引用

bibtex @misc{bonifacio2021mmarco, title={mMARCO: A Multilingual Version of MS MARCO Passage Ranking Dataset}, author={Luiz Henrique Bonifacio and Vitor Jeronymo and Hugo Queiroz Abonizio and Israel Campiotti and Marzieh Fadaee and Roberto Lotufo and Rodrigo Nogueira}, year={2021}, eprint={2108.13897}, archivePrefix={arXiv}, primaryClass={cs.CL} }