DaReCzech

DaReCzech是由Seznam.cz创建的一个大型捷克语数据集，包含160万条用户查询-文档对，并由人工专家分配了相关性级别。该数据集旨在支持搜索相关性和多语言研究社区的努力，特别关注捷克语环境下的文本相关性排序问题。数据集分为四个部分：Train-big、Train-small、Dev和Test，每个部分都包含不同的查询-文档对，用于训练和评估文本相关性模型。数据集的创建过程涉及从旧数据池中提取数据，并对其进行预处理和标注，以确保数据的质量和适用性。DaReCzech的应用领域主要集中在提高搜索结果的相关性，特别是在捷克语网络搜索环境中，通过提供高质量的训练数据来优化相关性排序算法。