taeminlee/Ko-miracl

Ko-miracl数据集是从miracl数据集的韩语部分转换而来，并转换为BeIR格式，以便与mteb兼容。数据集包含三个配置：default、corpus和queries。default配置包含查询ID、语料库ID和分数特征，corpus配置包含ID、标题和文本特征，queries配置包含ID和文本特征。

原始信息汇总

数据集概述

基本信息

• 语言: 韩语 (ko)
• 多语言性: 单语种
• 数据集大小: 10K<n<100K
• 源数据集: miracl
• 任务类别: 文本检索
• 任务ID: 文档检索

配置信息

默认配置

• 特征:
  • query-id: 字符串
  • corpus-id: 字符串
  • score: 浮点数 (float64)
• 分割:
  • train:
    • 字节数: 347785
    • 样本数: 12767
  • dev:
    • 字节数: 83188
    • 样本数: 3057

语料库配置

• 特征:
  • _id: 字符串
  • title: 字符串
  • text: 字符串
• 分割:
  • corpus:
    • 字节数: 633206834
    • 样本数: 1486752

查询配置

• 特征:
  • _id: 字符串
  • text: 字符串
• 分割:
  • queries:
    • 字节数: 174597
    • 样本数: 2761

数据文件

默认配置

• 训练集: qrels/train.jsonl
• 开发集: qrels/dev.jsonl

语料库配置

• 语料库: corpus.jsonl

查询配置

• 查询: queries.jsonl