dewikIRS36k

NIAID Data Ecosystem2026-03-11 收录

多语言信息检索

文档检索

数据链接：

https://zenodo.org/record/3597308 数据链接链接失效反馈

官方服务：

资源简介：

German Information Retrieval dataset build with the wikIR tool.

创建时间：

2020-03-12

Fetch-A-Set (FAS)

文档分析

文档检索

Fetch-A-Set (FAS) 是一个专为立法历史文档分析系统设计的大型基准，旨在解决大规模历史文档检索的挑战。该数据集包含从17世纪至今的文档，总计约40万样本，来源于西班牙的立法文档，覆盖三个世纪。FAS数据集的创建过程涉及使用Mask-RCNN模型识别文档区域，并通过sentencebert编码匹配查询与OCR文本。该数据集主要应用于历史文档分析领域，特别是在文本到图像的检索任务中，旨在

arXiv2024-06-11 更新830

MMDocIR-Challenge

多模态信息检索

文档检索

MMDocIR数据集是为2025年Web会议中的多模态信息检索挑战（MIRC）设计的，属于多模态文档检索挑战赛道。该数据集包含313个文档的20,395页截图，每页包含OCR文本和视觉语言模型（VLM）生成的文本。数据集的主要文件包括`MMDocIR_gt_remove.jsonl`（包含问题及其相关信息）、`MMDocIR_doc_passages.parquet`（包含文档页面的截图和文本信息

Hugging Face2025-01-26 更新200

EnglishFinance1Retrieval-sample

文档检索

信息检索

这是一个用于金融文档检索评估的样本数据集。它包含6个描述信息需求的查询、10个相应的文档以及6个将查询与文档相关联的相关性判断。

Hugging Face2025-09-16 更新80

AIR-Bench/qa_news_zh

新闻问答

文档检索

该数据集是一个中文单语文本检索数据集，主要用于文档检索任务。数据集包含一个名为AIR-Bench_24.04的版本，其中包括默认的查询和语料库文件。任务类型为问答（qa），领域为新闻（news），语言为中文（zh）。

Hugging Face2024-09-28 更新320

mteb/NeuCLIR2023Retrieval_rus_top_250_only_w_correct-v2