five

taeminlee/Ko-mrtydi

收藏
Hugging Face2024-01-19 更新2024-03-04 收录
下载链接:
https://hf-mirror.com/datasets/taeminlee/Ko-mrtydi
下载链接
链接失效反馈
官方服务:
资源简介:
--- language: - ko multilinguality: - monolingual size_categories: - 1K<n<10K source_datasets: - mrtydi task_categories: - text-retrieval task_ids: - document-retrieval config_names: - default - queries - corpus tags: - text-retrieval dataset_info: - config_name: default features: - name: query-id dtype: string - name: corpus-id dtype: string - name: score dtype: float64 splits: - name: train num_bytes: 34828 num_examples: 1317 - name: dev num_bytes: 8121 num_examples: 307 - name: test num_bytes: 13482 num_examples: 492 - config_name: corpus features: - name: _id dtype: string - name: title dtype: string - name: text dtype: string splits: - name: corpus num_bytes: 609925549 num_examples: 1496126 - config_name: queries features: - name: _id dtype: string - name: text dtype: string splits: - name: queries num_bytes: 135944 num_examples: 2019 configs: - config_name: default data_files: - split: train path: qrels/train.jsonl - split: dev path: qrels/dev.jsonl - split: test path: qrels/test.jsonl - config_name: corpus data_files: - split: corpus path: corpus.jsonl - config_name: queries data_files: - split: queries path: queries.jsonl --- # Ko-mrtydi This dataset represents a conversion of the Korean (Ko) section from the [Mr.TyDI dataset](https://github.com/castorini/mr.tydi) into the [BeIR](https://github.com/beir-cellar/beir) format, making it compatible for use with [mteb](https://github.com/embeddings-benchmark/mteb).
提供机构:
taeminlee
原始信息汇总

数据集概述

基本信息

  • 语言: 韩语 (ko)
  • 多语言性: 单语种 (monolingual)
  • 数据集大小: 1K<n<10K
  • 源数据集: mrtydi
  • 任务类别: 文本检索 (text-retrieval)
  • 任务ID: 文档检索 (document-retrieval)
  • 配置名称: default, queries, corpus
  • 标签: 文本检索 (text-retrieval)

数据集配置详情

配置名称: default

  • 特征:
    • query-id: 字符串 (string)
    • corpus-id: 字符串 (string)
    • score: 浮点数 (float64)
  • 分割:
    • train: 34828 字节, 1317 个样本
    • dev: 8121 字节, 307 个样本
    • test: 13482 字节, 492 个样本

配置名称: corpus

  • 特征:
    • _id: 字符串 (string)
    • title: 字符串 (string)
    • text: 字符串 (string)
  • 分割:
    • corpus: 609925549 字节, 1496126 个样本

配置名称: queries

  • 特征:
    • _id: 字符串 (string)
    • text: 字符串 (string)
  • 分割:
    • queries: 135944 字节, 2019 个样本

数据文件配置

配置名称: default

  • 数据文件:
    • train: qrels/train.jsonl
    • dev: qrels/dev.jsonl
    • test: qrels/test.jsonl

配置名称: corpus

  • 数据文件:
    • corpus: corpus.jsonl

配置名称: queries

  • 数据文件:
    • queries: queries.jsonl
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