mteb/cqadupstack-tex

CQADupStackTexRetrieval是一个社区问答研究的基准数据集，包含了用于文本检索任务的查询和语料库数据。它被设计用来评估文本嵌入模型在处理社区问答场景中的性能。

CQADupStackTexRetrieval is a benchmark dataset for community question-answering research, which includes query and corpus data for text retrieval tasks. It is designed to evaluate the performance of text embedding models in handling community question-answering scenarios.

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:
    • 名称: query-id
      • 数据类型: string
    • 名称: corpus-id
      • 数据类型: string
    • 名称: score
      • 数据类型: float64
  • 分割:
    • 名称: test
      • 字节数: 137572
      • 样本数: 5154

• 配置名称: corpus

  • 特征:
    • 名称: _id
      • 数据类型: string
    • 名称: title
      • 数据类型: string
    • 名称: text
      • 数据类型: string
  • 分割:
    • 名称: corpus
      • 字节数: 89853366
      • 样本数: 68184

• 配置名称: queries

  • 特征:
    • 名称: _id
      • 数据类型: string
    • 名称: text
      • 数据类型: string
  • 分割:
    • 名称: queries
      • 字节数: 175310
      • 样本数: 2906

配置和数据文件

• 配置名称: default

  • 数据文件:
    • 分割: test
      • 路径: qrels/test.jsonl

• 配置名称: corpus

  • 数据文件:
    • 分割: corpus
      • 路径: corpus.jsonl

• 配置名称: queries

  • 数据文件:
    • 分割: queries
      • 路径: queries.jsonl