ChloeLee22/es-miracl

---
language:
- es
multilinguality:
- monolingual
size_categories:
- 10K<n<100K
source_datasets:
- miracl
task_categories:
- text-retrieval
task_ids:
- document-retrieval
config_names:
- 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: dev
num_bytes: 408978
num_examples: 6443
- config_name: corpus
features:
- name: _id
dtype: string
- name: title
dtype: string
- name: text
dtype: string
splits:
- name: corpus
num_bytes: 4762601334
num_examples: 10373953
- config_name: queries
features:
- name: _id
dtype: string
- name: text
dtype: string
splits:
- name: queries
num_bytes: 53878
num_examples: 648
configs:
- config_name: default
data_files:
- split: dev
path: qrels/dev.jsonl
- config_name: corpus
data_files:
- split: corpus
path: corpus.jsonl
- config_name: queries
data_files:
- split: queries
path: queries.jsonl

---

# es-miracl

This dataset represents a conversion of the Spanish (es) section from the [miracl dataset](https://huggingface.co/datasets/miracl/miracl) into the [BeIR](https://github.com/beir-cellar/beir) format, making it compatible for use with [mteb](https://github.com/embeddings-benchmark/mteb).

原始信息汇总

数据集概述

基本信息

• 语言: 西班牙语 (es)
• 多语言性: 单语种
• 大小范围: 10,000 < n < 100,000
• 来源数据集: miracl
• 任务类别: 文本检索
• 任务ID: 文档检索

配置信息

• 配置名称:
  • default
  • corpus
  • queries

数据集特征

默认配置 (default)

• 特征:
  • query-id: 字符串类型
  • corpus-id: 字符串类型
  • score: 浮点数类型 (float64)
• 分割:
  • dev:
    • 字节数: 408,978
    • 示例数: 6,443

语料库配置 (corpus)

• 特征:
  • _id: 字符串类型
  • title: 字符串类型
  • text: 字符串类型
• 分割:
  • corpus:
    • 字节数: 4,762,601,334
    • 示例数: 10,373,953

查询配置 (queries)

• 特征:
  • _id: 字符串类型
  • text: 字符串类型
• 分割:
  • queries:
    • 字节数: 53,878
    • 示例数: 648

数据文件

• 默认配置 (default):
  • dev: 路径为 qrels/dev.jsonl
• 语料库配置 (corpus):
  • corpus: 路径为 corpus.jsonl
• 查询配置 (queries):
  • queries: 路径为 queries.jsonl