irds/mr-tydi_id

`mr-tydi/id`数据集由`ir-datasets`包提供，主要用于文本检索任务。该数据集包含三个主要部分：`docs`（文档，即语料库），数量为1,469,399；`queries`（查询，即主题），数量为6,977；和`qrels`（相关性评估），数量为7,087。该数据集被用于`mr-tydi_id_dev`、`mr-tydi_id_test`和`mr-tydi_id_train`等子数据集。

原始信息汇总

数据集概述

数据集名称

mr-tydi/id

数据提供者

由 ir-datasets 提供。

数据内容

• 文档 (docs): 总数为 1,469,399。
• 查询 (queries): 总数为 6,977。
• 相关性评估 (qrels): 总数为 7,087。

数据使用

该数据集被用于以下子集：

• mr-tydi_id_dev
• mr-tydi_id_test
• mr-tydi_id_train

数据加载示例

python from datasets import load_dataset

docs = load_dataset(irds/mr-tydi_id, docs) queries = load_dataset(irds/mr-tydi_id, queries) qrels = load_dataset(irds/mr-tydi_id, qrels)

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} }