irds/nyt

`nyt`数据集由`ir-datasets`包提供，包含1,864,661个文档，主要用于文本检索任务。该数据集被多个其他数据集使用，如`nyt_trec-core-2017`、`nyt_wksup`等。用户可以通过`datasets`库加载该数据集，并获取每个文档的详细信息，如文档ID、标题、正文和来源XML。

The `nyt` dataset, provided by the `ir-datasets` package, contains 1,864,661 documents and is primarily used for text retrieval tasks. This dataset has been adopted by multiple other datasets, such as `nyt_trec-core-2017`, `nyt_wksup`, and others. Users can load this dataset via the `datasets` library and access detailed information for each document, including document ID, title, body text, and source XML.

原始信息汇总

数据集卡片 for nyt

数据集概述

• 名称: nyt
• 提供者: ir-datasets 包
• 任务类别: 文本检索

数据内容

• 文档: 包含1,864,661个文档（即语料库）

使用情况

• 加载数据集: python from datasets import load_dataset

  docs = load_dataset(irds/nyt, docs) for record in docs: record # {doc_id: ..., headline: ..., body: ..., source_xml: ...}

引用信息

@article{Sandhaus2008Nyt, title={The new york times annotated corpus}, author={Sandhaus, Evan}, journal={Linguistic Data Consortium, Philadelphia}, volume={6}, number={12}, pages={e26752}, year={2008} }