mteb/CovidRetrieval

该数据集包含三个主要配置：corpus、default和queries。corpus配置包含文本和标题信息，default配置包含查询ID、语料库ID和分数信息，queries配置包含查询ID和查询文本信息。每个配置都有一个开发集（dev），分别包含不同数量的样本和文件大小。

The dataset includes three main configurations: corpus, default, and queries. The corpus configuration contains text and title information, the default configuration contains query-id, corpus-id, and score information, and the queries configuration contains query-id and query text information. Each configuration has a development set (dev) with varying numbers of samples and file sizes.

搜集汇总

背景与挑战

背景概述

CovidRetrieval是MTEB基准测试中的中文文本检索数据集，专注于COVID-19新闻文章，涵盖医疗和娱乐领域。该数据集包含约10万篇文档和近千条查询，用于评估嵌入模型在中文多领域段落检索任务中的性能。