dkoterwa/msmarco_retrieval

该数据集是基于MSMARCO数据集的v1.1版本进行过滤和添加列后创建的，主要用于评估检索器的性能。数据集包含多个特征，如passages（包含is_selected、passage_text和url）、query、query_id、query_type、golden_passages和answer。数据集分为一个训练集，包含70616个样本，总大小为326842258字节。

原始信息汇总

数据集概述

数据集特征

• passages:
  • is_selected: 整数类型，表示是否被选中。
  • passage_text: 字符串类型，文本内容。
  • url: 字符串类型，链接地址。
• query: 字符串类型，查询内容。
• query_id: 整数类型，查询ID。
• query_type: 字符串类型，查询类型。
• golden_passages: 字符串类型，黄金段落。
• answer: 字符串类型，答案。

数据集分割

• train:
  • num_bytes: 326842258字节
  • num_examples: 70616个样本

数据集大小

• download_size: 168328467字节
• dataset_size: 326842258字节

配置

• config_name: default
• data_files:
  • split: train
  • path: data/train-*