castorini/prebuilt-indexes-mmeb

Name: castorini/prebuilt-indexes-mmeb
Creator: castorini
Published: 2026-02-07T02:38:48+08:00

Hugging Face2026-03-03 更新2026-02-07 收录

数据链接：

https://hf-mirror.com/datasets/castorini/prebuilt-indexes-mmeb 数据链接链接失效反馈

官方服务：

资源简介：

--- license: apache-2.0 ---

提供机构：

castorini

castorini/webis-touche2020-v3

文本检索

文档检索

该数据集专为文本检索任务设计，包含三个不同的配置以适应不同的数据处理需求。默认配置用于测试集，记录了查询ID、文档ID及其相关分数。语料库配置提供了大量文档的详细信息，包括ID、标题和文本内容。查询配置则专注于记录查询的ID和文本内容。数据集的原始数据来源于BeIR/webis-touche2020，适用于进行文档检索的算法开发和评估。

Hugging Face2024-05-17 更新650

castorini/triviaqa_gar-t5_expansions

问答系统

自然语言处理

该数据集提供了使用gar-T5模型对Trivia QA语料库的答案、标题和句子进行扩展的结果。数据集包含开发集（dev）和测试集（test），每个集合的数据条目包括ID、预测答案、预测标题和预测句子。

Hugging Face2022-02-17 更新300

castorini/mr-tydi-corpus

自然语言处理

文本检索

Mr. TyDi是一个多语言基准数据集，基于TyDi构建，涵盖11种类型多样的语言，包括阿拉伯语、孟加拉语、英语、芬兰语、印尼语、日语、韩语、俄语、斯瓦希里语、泰卢固语和泰语。该数据集专门用于单语检索，特别是评估学习到的密集表示的排名。数据集的唯一配置是语言，所有三个折叠（训练、开发和测试）共享相同的语料库，因此每个语言下只有一个训练折叠。

Hugging Face2022-10-12 更新210

castorini/odqa-wiki-corpora

信息检索

自然语言处理

--- annotations_creators: - no-annotation language: - en language_creators: [] license: - cc-by-sa-3.0 multilinguality: - monolingual pretty_name: Open-Domain Question Answering Wikipedia Corpora size

Hugging Face2023-01-05 更新360

castorini/afriberta-corpus

自然语言处理

非洲语言

AfriBERTas Corpus数据集是用于训练AfriBERTa模型的语料库，数据主要来源于BBC新闻网站，部分语言的数据来自Common Crawl。该数据集支持多种非洲语言，包括阿法尔语、阿姆哈拉语、豪萨语等。每个数据点包含id和text字段，数据集分为训练集和测试集，且每个语言的数据集大小不一。使用该数据集时需要注意数据可能存在的偏见，因为大部分数据来自新闻网站，模型可能会偏向新闻领域。

Hugging Face2022-10-19 更新300

castorini/prebuilt-indexes-mmeb

资源简介：

相关数据集