five

irds/gov2

收藏
Hugging Face2023-01-05 更新2024-03-04 收录
下载链接:
https://hf-mirror.com/datasets/irds/gov2
下载链接
链接失效反馈
官方服务:
资源简介:
--- pretty_name: '`gov2`' viewer: false source_datasets: [] task_categories: - text-retrieval --- # Dataset Card for `gov2` The `gov2` dataset, provided by the [ir-datasets](https://ir-datasets.com/) package. For more information about the dataset, see the [documentation](https://ir-datasets.com/gov2#gov2). # Data This dataset provides: - `docs` (documents, i.e., the corpus); count=25,205,179 This dataset is used by: [`gov2_trec-tb-2004`](https://huggingface.co/datasets/irds/gov2_trec-tb-2004), [`gov2_trec-tb-2005`](https://huggingface.co/datasets/irds/gov2_trec-tb-2005), [`gov2_trec-tb-2005_efficiency`](https://huggingface.co/datasets/irds/gov2_trec-tb-2005_efficiency), [`gov2_trec-tb-2005_named-page`](https://huggingface.co/datasets/irds/gov2_trec-tb-2005_named-page), [`gov2_trec-tb-2006`](https://huggingface.co/datasets/irds/gov2_trec-tb-2006), [`gov2_trec-tb-2006_efficiency`](https://huggingface.co/datasets/irds/gov2_trec-tb-2006_efficiency), [`gov2_trec-tb-2006_efficiency_10k`](https://huggingface.co/datasets/irds/gov2_trec-tb-2006_efficiency_10k), [`gov2_trec-tb-2006_efficiency_stream1`](https://huggingface.co/datasets/irds/gov2_trec-tb-2006_efficiency_stream1), [`gov2_trec-tb-2006_efficiency_stream2`](https://huggingface.co/datasets/irds/gov2_trec-tb-2006_efficiency_stream2), [`gov2_trec-tb-2006_efficiency_stream3`](https://huggingface.co/datasets/irds/gov2_trec-tb-2006_efficiency_stream3), [`gov2_trec-tb-2006_efficiency_stream4`](https://huggingface.co/datasets/irds/gov2_trec-tb-2006_efficiency_stream4), [`gov2_trec-tb-2006_named-page`](https://huggingface.co/datasets/irds/gov2_trec-tb-2006_named-page) ## Usage ```python from datasets import load_dataset docs = load_dataset('irds/gov2', 'docs') for record in docs: record # {'doc_id': ..., 'url': ..., 'http_headers': ..., 'body': ..., 'body_content_type': ...} ``` 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.

--- pretty_name: '`gov2`' viewer: 不可用 source_datasets: [] task_categories: - 文本检索 --- # `gov2` 数据集卡片 本`gov2`数据集由[ir-datasets](https://ir-datasets.com/)工具包提供。如需了解该数据集的更多详情,请参阅其[官方文档](https://ir-datasets.com/gov2#gov2)。 # 数据集内容 本数据集包含: - `docs`(即文档语料库),共计25,205,179条。 本数据集被以下数据集使用:[`gov2_trec-tb-2004`](https://huggingface.co/datasets/irds/gov2_trec-tb-2004)、[`gov2_trec-tb-2005`](https://huggingface.co/datasets/irds/gov2_trec-tb-2005)、[`gov2_trec-tb-2005_efficiency`](https://huggingface.co/datasets/irds/gov2_trec-tb-2005_efficiency)、[`gov2_trec-tb-2005_named-page`](https://huggingface.co/datasets/irds/gov2_trec-tb-2005_named-page)、[`gov2_trec-tb-2006`](https://huggingface.co/datasets/irds/gov2_trec-tb-2006)、[`gov2_trec-tb-2006_efficiency`](https://huggingface.co/datasets/irds/gov2_trec-tb-2006_efficiency)、[`gov2_trec-tb-2006_efficiency_10k`](https://huggingface.co/datasets/irds/gov2_trec-tb-2006_efficiency_10k)、[`gov2_trec-tb-2006_efficiency_stream1`](https://huggingface.co/datasets/irds/gov2_trec-tb-2006_efficiency_stream1)、[`gov2_trec-tb-2006_efficiency_stream2`](https://huggingface.co/datasets/irds/gov2_trec-tb-2006_efficiency_stream2)、[`gov2_trec-tb-2006_efficiency_stream3`](https://huggingface.co/datasets/irds/gov2_trec-tb-2006_efficiency_stream3)、[`gov2_trec-tb-2006_efficiency_stream4`](https://huggingface.co/datasets/irds/gov2_trec-tb-2006_efficiency_stream4)、[`gov2_trec-tb-2006_named-page`](https://huggingface.co/datasets/irds/gov2_trec-tb-2006_named-page) ## 使用方法 python from datasets import load_dataset docs = load_dataset('irds/gov2', 'docs') for record in docs: record # {'doc_id': ..., 'url': ..., 'http_headers': ..., 'body': ..., 'body_content_type': ...} 请注意,调用`load_dataset`函数将下载该数据集(若数据集未公开,则会提供访问指引),并将其转换为🤗 数据集格式进行存储。
提供机构:
irds
原始信息汇总

数据集概述

数据集名称

gov2

数据集来源

ir-datasets 包提供。

数据集内容

  • docs (文档,即语料库); 数量=25,205,179

数据集用途

  • 用于多个相关数据集,包括:
    • gov2_trec-tb-2004
    • gov2_trec-tb-2005
    • gov2_trec-tb-2005_efficiency
    • gov2_trec-tb-2005_named-page
    • gov2_trec-tb-2006
    • gov2_trec-tb-2006_efficiency
    • gov2_trec-tb-2006_efficiency_10k
    • gov2_trec-tb-2006_efficiency_stream1
    • gov2_trec-tb-2006_efficiency_stream2
    • gov2_trec-tb-2006_efficiency_stream3
    • gov2_trec-tb-2006_efficiency_stream4
    • gov2_trec-tb-2006_named-page

数据集加载示例

python from datasets import load_dataset

docs = load_dataset(irds/gov2, docs) for record in docs: record # {doc_id: ..., url: ..., http_headers: ..., body: ..., body_content_type: ...}

搜集汇总
数据集介绍
main_image_url
背景与挑战
背景概述
该数据集名为'irds/gov2',包含超过2500万条文档,主要用于文本检索任务。它被多个TREC任务使用,适用于信息检索研究和应用。
以上内容由遇见数据集搜集并总结生成
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