mteb/fever

FEVER（事实提取和验证）数据集包含185,445个由改写维基百科句子生成的声明，这些声明在没有了解原句的情况下进行了验证。该数据集分为训练集、验证集和测试集，用于文本检索任务，尤其是事实检查。数据集包含了文档的标题和文本，以及查询和相应的得分等信息。

FEVER (Fact Extraction and VERification) dataset consists of 185,445 claims generated by altering sentences extracted from Wikipedia and verified without knowledge of the original sentences. The dataset is split into training, validation, and test sets, used for text retrieval tasks, particularly for fact-checking. It includes document titles and texts, as well as queries and corresponding scores.

原始信息汇总

数据集概述

语言和多语言性

• 语言: 英语
• 多语言性: 单语种

任务类别和任务ID

• 任务类别: 文本检索
• 任务ID: 文档检索

配置名称和特征

• 配置名称: default

  • 特征:
    • query-id: 字符串
    • corpus-id: 字符串
    • score: float64
  • 分割:
    • train: 5121231 字节, 140085 样本
    • dev: 296284 字节, 8079 样本
    • test: 297743 字节, 7937 样本

• 配置名称: corpus

  • 特征:
    • _id: 字符串
    • title: 字符串
    • text: 字符串
  • 分割:
    • corpus: 3095105800 字节, 5416568 样本

• 配置名称: queries

  • 特征:
    • _id: 字符串
    • text: 字符串
  • 分割:
    • queries: 7530379 字节, 123142 样本

配置和数据文件路径

• 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