irds/mmarco_id

`mmarco/id`数据集由ir-datasets包提供，包含8,841,823条文档。该数据集用于文本检索任务，并且可以通过Hugging Face的`load_dataset`函数加载。数据集的相关信息可以在ir-datasets的文档中找到。

原始信息汇总

数据集概述

数据集名称

mmarco/id

数据集提供者

由 ir-datasets 包提供。

数据集内容

• docs (文档，即语料库); 数量为8,841,823

数据集用途

该数据集被用于 mmarco_id_dev 和 mmarco_id_train。

使用示例

python from datasets import load_dataset

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

引用信息

@article{Bonifacio2021MMarco, title={{mMARCO}: A Multilingual Version of {MS MARCO} Passage Ranking Dataset}, author={Luiz Henrique Bonifacio and Israel Campiotti and Roberto Lotufo and Rodrigo Nogueira}, year={2021}, journal={arXiv:2108.13897} }