Sogou-Log

Sogou-Log是一个真实的文档检索数据集。给定用户输入的查询和返回的几个候选文档，需要模型来预测用户实际期望从候选文档中检索的文档。数据集从商业搜索引擎搜狗的查询日志中采样，由清华大学教师刘逸群的小组收集整理。对每个查询和文档进行分词和实体识别处理，以方便模型的使用; 并且对于每个文档，还保留其网页url链接，以方便可追溯性。对于每个查询-文档对，用户的点击也用于计算相关性分数作为标签信息。在原始论文中，使用了三种方法对测试集进行评分作为标签。我们使用了从Testing-RAW和Test-SAME文件中获得的注释，其中Testing-RAW使用了原始的点击行为作为标签; Test-SAME使用了DCTR模型，并标记了查询-文档的CTR值。

搜集汇总

背景与挑战

背景概述

Sogou-Log是一个基于搜狗搜索引擎查询日志的真实文档检索数据集，由清华大学团队收集整理。它包含查询与候选文档对，并利用用户点击行为计算相关性分数作为标签，用于预测用户期望检索的文档。