irds/mr-tydi_te

`mr-tydi/te`数据集由`ir-datasets`包提供，主要用于文本检索任务。该数据集包含548,224个文档（即语料库）、5,517个查询（即主题）和5,540个相关性评估。该数据集被用于`mr-tydi_te_dev`、`mr-tydi_te_test`和`mr-tydi_te_train`等子数据集。

原始信息汇总

数据集概述

数据集名称

mr-tydi/te

数据来源

由 ir-datasets 提供。

数据内容

• docs (文档，即语料库); 数量=548,224
• queries (查询，即主题); 数量=5,517
• qrels (相关性评估); 数量=5,540

数据用途

该数据集被用于以下数据集：

• mr-tydi_te_dev
• mr-tydi_te_test
• mr-tydi_te_train

使用示例

python from datasets import load_dataset

docs = load_dataset(irds/mr-tydi_te, docs) for record in docs: record # {doc_id: ..., text: ...}

queries = load_dataset(irds/mr-tydi_te, queries) for record in queries: record # {query_id: ..., text: ...}

qrels = load_dataset(irds/mr-tydi_te, qrels) for record in qrels: record # {query_id: ..., doc_id: ..., relevance: ..., iteration: ...}

引用信息

@article{Zhang2021MrTyDi, title={{Mr. TyDi}: A Multi-lingual Benchmark for Dense Retrieval}, author={Xinyu Zhang and Xueguang Ma and Peng Shi and Jimmy Lin}, year={2021}, journal={arXiv:2108.08787}, } @article{Clark2020TyDiQa, title={{TyDi QA}: A Benchmark for Information-Seeking Question Answering in Typologically Diverse Languages}, author={Jonathan H. Clark and Eunsol Choi and Michael Collins and Dan Garrette and Tom Kwiatkowski and Vitaly Nikolaev and Jennimaria Palomaki}, year={2020}, journal={Transactions of the Association for Computational Linguistics} }