five

irds/neuclir_1_zh

收藏
Hugging Face2023-01-05 更新2024-03-04 收录
下载链接:
https://hf-mirror.com/datasets/irds/neuclir_1_zh
下载链接
链接失效反馈
官方服务:
资源简介:
--- pretty_name: '`neuclir/1/zh`' viewer: false source_datasets: [] task_categories: - text-retrieval --- # Dataset Card for `neuclir/1/zh` The `neuclir/1/zh` dataset, provided by the [ir-datasets](https://ir-datasets.com/) package. For more information about the dataset, see the [documentation](https://ir-datasets.com/neuclir#neuclir/1/zh). # Data This dataset provides: - `docs` (documents, i.e., the corpus); count=3,179,209 ## Usage ```python from datasets import load_dataset docs = load_dataset('irds/neuclir_1_zh', 'docs') for record in docs: record # {'doc_id': ..., 'title': ..., 'text': ..., 'url': ..., 'time': ..., 'cc_file': ...} ``` Note that calling `load_dataset` will download the dataset (or provide access instructions when it's not public) and make a copy of the data in 🤗 Dataset format.
提供机构:
irds
原始信息汇总

数据集概述

数据集名称

neuclir/1/zh

数据集来源

ir-datasets 包提供。

数据集内容

  • 数据类型: 文档(corpus)
  • 文档数量: 3,179,209

数据集结构

每个文档包含以下字段:

  • doc_id
  • title
  • text
  • url
  • time
  • cc_file

数据集使用方法

python from datasets import load_dataset

docs = load_dataset(irds/neuclir_1_zh, docs) for record in docs: record # {doc_id: ..., title: ..., text: ..., url: ..., time: ..., cc_file: ...}

5,000+
优质数据集
54 个
任务类型
进入经典数据集
二维码
社区交流群

面向社区/商业的数据集话题

二维码
科研交流群

面向高校/科研机构的开源数据集话题

数据驱动未来

携手共赢发展

商业合作