ms2_dense_oracle

This is a copy of the [MS^2](https://huggingface.co/datasets/allenai/mslr2022) dataset, except the input source documents of the `train`, `validation`, and `test` splits have been replaced by a __dense__ retriever.

- __query__: The `background` field of each example
- __corpus__: The union of all documents in the `train`, `validation` and `test` splits. A document is the concatenation of the `title` and `abstract`.
- __retriever__: [`facebook/contriever-msmarco`](https://huggingface.co/facebook/contriever-msmarco) via [PyTerrier](https://pyterrier.readthedocs.io/en/latest/) with default settings
- __top-k strategy__: `"oracle"`, i.e. the number of documents retrieved, `k`, is set as the original number of input documents for each example

Retrieval results on the `validation` set:

| Recall@100 | Rprec | Precision@k | Recall@k |
| ----------- | ----------- | ----------- | ----------- |
| 0.4764 | 0.2395 | 0.2395 | 0.2395 |

Retrieval results on the `validation` set:

| Recall@100 | Rprec | Precision@k | Recall@k |
| ----------- | ----------- | ----------- | ----------- |
| 0.4364 | 0.2125 | 0.2125 | 0.2125 |

Retrieval results on the `test` set:

| Recall@100 | Rprec | Precision@k | Recall@k |
| ----------- | ----------- | ----------- | ----------- |
| 0.4481 | 0.2224 | 0.2224 | 0.2224 |

本数据集为[MS^2](https://huggingface.co/datasets/allenai/mslr2022)数据集的副本，仅将其`train`（训练集）、`validation`（验证集）与`test`（测试集）划分的输入源文档替换为**稠密检索器（dense retriever）**所获取的文档。

- **查询（query）**：每个示例的`background`（背景）字段
- **语料库（corpus）**：`train`（训练集）、`validation`（验证集）与`test`（测试集）划分中全部文档的并集。单篇文档由`title`（标题）与`abstract`（摘要）拼接而成。
- **检索器（retriever）**：基于[PyTerrier](https://pyterrier.readthedocs.io/en/latest/)框架、采用默认配置的[`facebook/contriever-msmarco`](https://huggingface.co/facebook/contriever-msmarco)检索模型
- **Top-K检索策略（top-k strategy）**：采用**神谕式（oracle）**策略，即检索返回的文档数`k`被设置为每个示例的原始输入文档数量。

### 验证集检索结果
| 召回率@100（Recall@100） | R准确率（R-precision） | 精确率@k（Precision@k） | 召回率@k（Recall@k） |
| ----------- | ----------- | ----------- | ----------- |
| 0.4764 | 0.2395 | 0.2395 | 0.2395 |

### 验证集检索结果
| 召回率@100（Recall@100） | R准确率（R-precision） | 精确率@k（Precision@k） | 召回率@k（Recall@k） |
| ----------- | ----------- | ----------- | ----------- |
| 0.4364 | 0.2125 | 0.2125 | 0.2125 |

### 测试集检索结果
| 召回率@100（Recall@100） | R准确率（R-precision） | 精确率@k（Precision@k） | 召回率@k（Recall@k） |
| ----------- | ----------- | ----------- | ----------- |
| 0.4481 | 0.2224 | 0.2224 | 0.2224 |