mteb/cqadupstack-english

CQADupstackEnglishRetrieval是一个社区问答研究的数据集，包含用于文本检索任务的多选问答示例。数据集由语料库和查询组成，语料库包含40221个文档，查询包含1570个问题。数据集是单语言英文数据集，遵循Apache-2.0许可。

CQADupstackEnglishRetrieval is a dataset for community question-answering research, containing multiple-choice QA examples for text retrieval tasks. The dataset consists of a corpus with 40221 documents and 1570 queries. It is a monolingual English dataset, licensed under Apache-2.0.

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

• 默认配置

  • 特征:
    • query-id: 字符串
    • corpus-id: 字符串
    • score: 浮点数 (float64)
  • 分割:
    • 测试集
      • 字节数: 100171
      • 样本数: 3765

• 语料库配置

  • 特征:
    • _id: 字符串
    • title: 字符串
    • text: 字符串
  • 分割:
    • 语料库
      • 字节数: 20194221
      • 样本数: 40221

• 查询配置

  • 特征:
    • _id: 字符串
    • text: 字符串
  • 分割:
    • 查询集
      • 字节数: 97308
      • 样本数: 1570

数据文件

• 默认配置

  • 测试集: qrels/test.jsonl

• 语料库配置

  • 语料库: corpus.jsonl

• 查询配置

  • 查询集: queries.jsonl