mldr.datasets
收藏kaggle2020-11-02 更新2024-03-08 收录
下载链接：
https://www.kaggle.com/datasets/fusioncenter/mldrdatasets
下载链接
链接失效反馈官方服务：
资源简介：
应用场景：
创建时间：
2020-11-02
相关数据集
mldr.datasets
这是一个包含多种多标签数据集的仓库，提供数据集的安装、使用和查询功能，支持将数据集导出为多种格式，并提供文献信息。部分数据集集成在包内，其他则需从外部下载。
github2024-01-02 更新70
Shitao/MLDR
MLDR是一个多语言长文档检索数据集，基于Wikipedia、Wudao和mC4构建，涵盖13种语言。数据集通过从这些资源中抽取长篇文章并随机选择段落，然后使用GPT-3.5生成问题来构建。每个生成的问题和抽取的文章构成一个新的文本对。数据集包含训练、开发和测试集，以及一个语料库。每种语言的文档数量和平均长度在提供的表格中有详细说明。
Hugging Face2024-02-06 更新2850
ocr-mldr
OCR-MLDR数据集是Multi Long Document Retrieval (MLDR)基准的OCR降级版本，旨在评估嵌入模型在带有长文档的噪声OCR类文本上的性能。该数据集从`mteb/MultiLongDocRetrieval`的测试集中抽取了每种语言2,000篇文档的子样本，每篇文档和查询被渲染为特定DPI/字体大小的PDF，并通过OCR模拟器重新提取，以引入真实的字符级噪声。数据集
Hugging Face2026-04-24 更新00
mldr
# Dataset Card for MLDR This is a reformatting of the MLDR dataset used to train the [BGE-M3 model](https://huggingface.co/BAAI/bge-m3). See the full BGE-M3 dataset in [Shitao/bge-m3-data](https://h
魔搭社区2025-12-04 更新400
manu/mldr-eval
这是一个包含查询信息的数据集，其中包括chunkid、查询文本query和查询唯一标识query_id。数据集仅包含训练集split，共有549条查询数据。
Hugging Face2025-02-10 更新20
