irds/aquaint

`aquaint`数据集由`ir-datasets`包提供，包含1,033,461个文档（即语料库）。该数据集被`aquaint_trec-robust-2005`使用。用户可以通过`datasets`库加载该数据集，并获取包含`doc_id`、`text`和`marked_up_doc`等字段的记录。

原始信息汇总

数据集概述

数据集名称

aquaint

数据集来源

由 ir-datasets 包提供。

数据集内容

• 数据类型: 文档（corpus）
• 文档数量: 1,033,461

数据集用途

用于 aquaint_trec-robust-2005。

数据集加载示例

python from datasets import load_dataset

docs = load_dataset(irds/aquaint, docs) for record in docs: record # {doc_id: ..., text: ..., marked_up_doc: ...}

引用信息

@misc{Graff2002Aquaint, title={The AQUAINT Corpus of English News Text}, author={David Graff}, year={2002}, url={https://catalog.ldc.upenn.edu/LDC2002T31}, publisher={Linguistic Data Consortium} }