mteb/scifact

该数据集是一个英文单语文本检索数据集，源自SciFact数据集。它包含三个主要配置：default、corpus和queries。default配置用于训练和测试，包含查询ID、语料库ID和分数特征。corpus配置包含语料库的ID、标题和文本信息。queries配置包含查询的ID和文本信息。数据集的主要任务是文档检索。

原始信息汇总

数据集概述

基本信息

• 语言: 英语
• 多语言性: 单语种
• 任务类别: 文本检索
• 任务ID: 文档检索
• 配置名称: corpus
• 标签: 文本检索

数据集配置

默认配置

• 特征:
  • query-id: 字符串类型
  • corpus-id: 字符串类型
  • score: 浮点数类型
• 分割:
  • train: 919个样本，总大小24585字节
  • test: 339个样本，总大小9092字节

语料库配置

• 特征:
  • _id: 字符串类型
  • title: 字符串类型
  • text: 字符串类型
• 分割:
  • corpus: 5183个样本，总大小7874970字节

查询配置

• 特征:
  • _id: 字符串类型
  • text: 字符串类型
• 分割:
  • queries: 1109个样本，总大小111225字节

数据文件

默认配置

• train: 路径为qrels/train.jsonl
• test: 路径为qrels/test.jsonl

语料库配置

• corpus: 路径为corpus.jsonl

查询配置

• queries: 路径为queries.jsonl