irds/istella22

`istella22`数据集由`ir-datasets`包提供，包含8,421,456个文档（即语料库）。该数据集被多个测试数据集使用，如`istella22_test`及其多个折叠版本。用户可以通过`datasets`库加载该数据集，并访问每个文档的详细信息，如文档ID、标题、URL、文本、额外文本、语言及其百分比。该数据集旨在桥接传统和神经学习排序评估，相关研究发表于2022年的国际ACM SIGIR会议上。

原始信息汇总

数据集概述

数据集名称

istella22

数据集来源

由ir-datasets包提供。

数据集内容

• docs (文档，即语料库); 数量=8,421,456

数据集用途

用于文本检索任务。

相关数据集

• istella22_test
• istella22_test_fold1
• istella22_test_fold2
• istella22_test_fold3
• istella22_test_fold4
• istella22_test_fold5

使用示例

python from datasets import load_dataset

docs = load_dataset(irds/istella22, docs) for record in docs: record # {doc_id: ..., title: ..., url: ..., text: ..., extra_text: ..., lang: ..., lang_pct: ...}

引用信息

@inproceedings{Dato2022Istella, title={The Istella22 Dataset: Bridging Traditional and Neural Learning to Rank Evaluation}, author={Domenico Dato, Sean MacAvaney, Franco Maria Nardini, Raffaele Perego, Nicola Tonellotto}, booktitle={Proceedings of the 45th International ACM SIGIR Conference on Research and Development in Information Retrieval}, year={2022} }