mteb/cqadupstack-wordpress

该数据集是一个用于文本检索任务的英语单语言数据集，源数据集为cqadupstack-wordpress。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，测试分割有744个示例。corpus配置包含ID、标题和文本特征，语料库分割有48605个示例。queries配置包含ID和文本特征，查询分割有541个示例。

原始信息汇总

数据集概述

语言和多语言性

• 语言: 英语
• 多语言性: 单语种

任务类别和任务ID

• 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: 字符串类型
  • corpus-id: 字符串类型
  • score: 浮点数类型 (float64)
• 分割:
  • 测试集:
    • 字节数: 19885
    • 样本数: 744

语料库配置

• 特征:
  • _id: 字符串类型
  • title: 字符串类型
  • text: 字符串类型
• 分割:
  • 语料库:
    • 字节数: 55433096
    • 样本数: 48605

查询配置

• 特征:
  • _id: 字符串类型
  • text: 字符串类型
• 分割:
  • 查询集:
    • 字节数: 33572
    • 样本数: 541

数据文件

默认配置

• 测试集文件:
  • 分割: 测试集
  • 路径: qrels/test.jsonl

语料库配置

• 语料库文件:
  • 分割: 语料库
  • 路径: corpus.jsonl

查询配置

• 查询集文件:
  • 分割: 查询集
  • 路径: queries.jsonl