AilinWhiteNight/ranker_thv1

该数据集结合了miracl/miracl和castorini/mr-tydi两个数据集，仅包含泰语数据。数据集包含查询ID、查询内容、正面段落和负面段落等字段，并分为训练集、测试集和开发集。

This dataset combines miracl/miracl and castorini/mr-tydi together, containing only Thai data. The dataset includes fields such as query ID, query content, positive passages, and negative passages, and is divided into training, test, and development sets.

原始信息汇总

数据集概述

数据集信息

特征

• query_id: 字符串类型
• query: 字符串类型
• positive_passages: 列表类型
  • docid: 字符串类型
  • text: 字符串类型
  • title: 字符串类型
• negative_passages: 列表类型
  • docid: 字符串类型
  • text: 字符串类型
  • title: 字符串类型

数据集划分

• train:
  • 字节数: 152840703.07073596
  • 样本数: 4786
• test:
  • 字节数: 16989396.99825147
  • 样本数: 532
• dev:
  • 字节数: 6094130.538961039
  • 样本数: 730

数据集大小

• 下载大小: 77935960
• 数据集总大小: 175924230.60794848

配置

• config_name: default
  • data_files:
    • train: data/train-*
    • test: data/test-*
    • dev: data/dev-*