irds/wikir_ens78k

`wikir/ens78k`数据集由`ir-datasets`包提供，包含2,456,637个文档（即语料库）。该数据集可用于文本检索任务。

原始信息汇总

数据集概述

数据集名称

wikir/ens78k

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: 2,456,637

数据集使用示例

python from datasets import load_dataset

docs = load_dataset(irds/wikir_ens78k, docs) for record in docs: record # {doc_id: ..., text: ...}

引用信息

@inproceedings{Frej2020Wikir, title={WIKIR: A Python toolkit for building a large-scale Wikipedia-based English Information Retrieval Dataset}, author={Jibril Frej and Didier Schwab and Jean-Pierre Chevallet}, booktitle={LREC}, year={2020} } @inproceedings{Frej2020MlWikir, title={MLWIKIR: A Python Toolkit for Building Large-scale Wikipedia-based Information Retrieval Datasets in Chinese, English, French, Italian, Japanese, Spanish and More}, author={Jibril Frej and Didier Schwab and Jean-Pierre Chevallet}, booktitle={CIRCLE}, year={2020} }