Multi-CPR: 大规模段落检索多领域中文数据集

Multi-CPR 是用于段落检索的多领域中文数据集。 该数据集是从三个不同的领域收集的，包括电商、娱乐视频和医疗。 每个数据集包含数百万个段落和一定数量的人工标注查询-段落相关对。Multi-CPR is a multi-domain Chinese dataset designed for passage retrieval. This dataset is collected from three distinct domains, namely e-commerce, entertainment videos, and healthcare. Each domain-specific subset contains millions of passages and a certain number of manually annotated query-passage relevance pairs.

搜集汇总

背景与挑战

背景概述

Multi-CPR是一个面向段落检索任务的大规模多领域中文数据集，覆盖电商、娱乐视频和医疗三个领域。该数据集包含数百万个段落以及人工标注的查询-段落相关对，旨在支持相关模型训练与评估。