mteb/GerDaLIRSmall

GerDaLIRSmall数据集是一个用于文本检索任务的德语数据集，主要包含法律文档、段落和相关标签。数据集分为三个部分：corpus（语料库）、queries（查询）和default（默认配置）。corpus部分包含法律文档，queries部分包含与corpus中文档相关的段落，default部分包含查询与文档之间的相关性评分。该数据集特别适用于评估法律文档检索系统的性能。

原始信息汇总

数据集概述

基本信息

• 语言: 德语
• 多语言性: 单语
• 任务类别: 文本检索
• 任务ID: 文档检索
• 标签: 文本检索

数据集配置

• 默认配置:
  • 特征:
    • query-id: 字符串类型
    • corpus-id: 字符串类型
    • score: 浮点数类型
  • 分割:
    • test: 14320个样本
• 语料库配置:
  • 特征:
    • _id: 字符串类型
    • title: 字符串类型
    • text: 字符串类型
  • 分割:
    • corpus: 9969个样本
• 查询配置:
  • 特征:
    • _id: 字符串类型
    • text: 字符串类型
  • 分割:
    • queries: 12234个样本

数据文件

• 默认配置:
  • test: qrels/test.jsonl
• 语料库配置:
  • corpus: corpus.jsonl
• 查询配置:
  • queries: queries.jsonl

数据集内容

• 原始链接: https://github.com/lavis-nlp/GerDaLIR
• 数据集组成: 包含德语文档、段落和相关性标签
• 语料库集: 包含一组法律文档，与原始数据集不同，仅选择与查询集中的查询相对应的文档以创建用于评估的小型语料库
• 查询集: 包含指向语料库集中一个或多个文档的段落