DaReCzech

该数据集名为DaReCzech，是一个专为文本相关性排序设计的捷克语数据集，包含了超过160万的查询-文档对，这些对被划分为Train-big、Train-small、Dev和Test四个部分。每条记录包含了查询内容、URL、文档标题、文档正文文本摘录（BTE）以及一个相关性标签。查询均为真实用户输入，仅进行了少量修正，而文档在预处理阶段排除了不相关的内容。总体规模达到了160万对，任务是对文本进行相关性排序。