irds/mmarco_zh_train

`mmarco/zh/train`数据集由`ir-datasets`包提供，主要用于文本检索任务。该数据集包含808,731个查询（`queries`）、532,761个相关性评估（`qrels`）和39,780,811个文档对（`docpairs`）。用户可以通过Python代码加载这些数据，并按照提供的格式进行处理。

原始信息汇总

数据集概述

数据集名称

mmarco/zh/train

数据来源

• 源数据集：irds/mmarco_zh

任务类别

• 文本检索

数据内容

• queries（查询）：808,731条
• qrels（相关性评估）：532,761条
• docpairs（文档对）：39,780,811对

使用方法

python from datasets import load_dataset

queries = load_dataset(irds/mmarco_zh_train, queries) for record in queries: record # {query_id: ..., text: ...}

qrels = load_dataset(irds/mmarco_zh_train, qrels) for record in qrels: record # {query_id: ..., doc_id: ..., relevance: ..., iteration: ...}

docpairs = load_dataset(irds/mmarco_zh_train, docpairs) for record in docpairs: record # {query_id: ..., doc_id_a: ..., doc_id_b: ...}

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} }