Thun09/Clarity

该数据集主要用于文本检索任务，特别是文档检索。数据集包含三个配置：default、corpus和queries。default配置包含查询ID、语料库ID和分数，用于测试集；corpus配置包含语料库的ID、标题和文本；queries配置包含查询的ID和文本。数据集的语言为英语，且为单语言数据集。

原始信息汇总

数据集概述

语言和多语言性

• 语言: 英语 (en)
• 多语言性: 单语种 (monolingual)

任务类别和任务ID

• 任务类别: 文本检索 (text-retrieval)
• 任务ID: 文档检索 (document-retrieval)

配置信息

配置名称: default

• 特征:
  • query-id: 字符串 (string)
  • corpus-id: 字符串 (string)
  • score: 浮点数 (float64)
• 分割:
  • test: 103个样本

配置名称: corpus

• 特征:
  • _id: 字符串 (string)
  • title: 字符串 (string)
  • text: 字符串 (string)
• 分割:
  • corpus: 103个样本

配置名称: queries

• 特征:
  • _id: 字符串 (string)
  • text: 字符串 (string)
• 分割:
  • queries: 35个样本

数据文件路径

• 配置名称: default
  • 分割: test
  • 路径: qrels/test.jsonl
• 配置名称: corpus
  • 分割: corpus
  • 路径: corpus.jsonl
• 配置名称: queries
  • 分割: queries
  • 路径: queries.jsonl