mteb/quora

QuoraRetrieval数据集是基于Quora平台上标记为重复的问题构建的。该数据集用于文本检索任务，特别是多选问答中的问题匹配。数据集中包含了问题和相应的重复问题对，旨在帮助模型学习如何识别和检索相似的问题。

The QuoraRetrieval dataset is constructed based on questions marked as duplicates on the Quora platform. It is used for text retrieval tasks, particularly for question matching in multiple-choice question answering. The dataset contains pairs of questions and their duplicates, aiming to help models learn how to identify and retrieve similar questions.

原始信息汇总

数据集概述

语言和多语言性

• 语言: 英语
• 多语言性: 单语种

任务类别和任务ID

• 任务类别: 文本检索
• 任务ID: 文档检索

源数据集

• 源数据集: Quora

配置名称和标签

• 配置名称: corpus
• 标签: 文本检索

数据集信息

配置名称: default

• 特征:
  • 名称: query-id dtype: string
  • 名称: corpus-id dtype: string
  • 名称: score dtype: float64
• 分割:
  • 名称: dev num_bytes: 208509 num_examples: 7626
  • 名称: test num_bytes: 428097 num_examples: 15675

配置名称: corpus

• 特征:
  • 名称: _id dtype: string
  • 名称: title dtype: string
  • 名称: text dtype: string
• 分割:
  • 名称: corpus num_bytes: 41829670 num_examples: 522931

配置名称: queries

• 特征:
  • 名称: _id dtype: string
  • 名称: text dtype: string
• 分割:
  • 名称: queries num_bytes: 979930 num_examples: 15000

配置和数据文件

配置名称: default

• 数据文件:
  • 分割: dev 路径: qrels/dev.jsonl
  • 分割: test 路径: qrels/test.jsonl

配置名称: corpus

• 数据文件:
  • 分割: corpus 路径: corpus.jsonl

配置名称: queries

• 数据文件:
  • 分割: queries 路径: queries.jsonl