lopozz/CulturaViva-Retrieval

--- dataset_info: - config_name: corpus features: - name: _id dtype: string - name: title dtype: string - name: text dtype: string splits: - name: train num_bytes: 314059992 num_examples: 51719 - name: test num_bytes: 34851568 num_examples: 5747 download_size: 190349876 dataset_size: 348911560 - config_name: qrels features: - name: query-id dtype: string - name: corpus-id dtype: string - name: score dtype: int64 splits: - name: train num_bytes: 2149978 num_examples: 51719 - name: test num_bytes: 216166 num_examples: 5747 download_size: 795963 dataset_size: 2366144 - config_name: queries features: - name: _id dtype: string - name: text dtype: string splits: - name: train num_bytes: 19445996 num_examples: 51719 - name: test num_bytes: 2137728 num_examples: 5747 download_size: 10734939 dataset_size: 21583724 configs: - config_name: corpus data_files: - split: train path: corpus/train-* - split: test path: corpus/test-* - config_name: qrels data_files: - split: train path: qrels/train-* - split: test path: qrels/test-* - config_name: queries data_files: - split: train path: queries/train-* - split: test path: queries/test-* --- ## Description **CulturaViva-Retrieval** is a dataset entirely conceived in its original Italian language, specifically designed to capture and enhance the complexity and cultural richness of the Italian language. Unlike traditional datasets derived from translations, CulturaViva-ITA draws directly from culture, literature, and history, offering linguistically accurate and culturally significant data. ## Reference & Citation For more information, visit the official repository: [DeepMount00/CulturaViva-ITA](https://huggingface.co/datasets/DeepMount00/CulturaViva-ITA) Please cite this dataset as follows: ```bibtex @misc{culturaviva-ita, author = {Michele, Montebovi}, title = {CulturaViva-ITA: An Authentically Italian Dataset for NLP}, year = {2025}, publisher = {Michele Montebovi}, url = {https://huggingface.co/datasets/DeepMount00/CulturaViva-ITA} } ``` ## License CulturaViva-ITA is released under the **Creative Commons Attribution 4.0 International (CC BY 4.0)** license.数据集信息： - 配置名称：corpus 特征： - 字段名：_id，数据类型：字符串 - 字段名：title，数据类型：字符串 - 字段名：text，数据类型：字符串 数据集划分： - 划分名：train，字节数：314059992，样本数：51719 - 划分名：test，字节数：34851568，样本数：5747 下载大小：190349876，数据集总大小：348911560 - 配置名称：qrels 特征： - 字段名：query-id，数据类型：字符串 - 字段名：corpus-id，数据类型：字符串 - 字段名：score，数据类型：64位整数（int64） 数据集划分： - 划分名：train，字节数：2149978，样本数：51719 - 划分名：test，字节数：216166，样本数：5747 下载大小：795963，数据集总大小：2366144 - 配置名称：queries 特征： - 字段名：_id，数据类型：字符串 - 字段名：text，数据类型：字符串 数据集划分： - 划分名：train，字节数：19445996，样本数：51719 - 划分名：test，字节数：2137728，样本数：5747 下载大小：10734939，数据集总大小：21583724 数据集配置： - 配置名称：corpus，数据文件： - 划分：train，路径：corpus/train-* - 划分：test，路径：corpus/test-* - 配置名称：qrels，数据文件： - 划分：train，路径：qrels/train-* - 划分：test，路径：qrels/test-* - 配置名称：queries，数据文件： - 划分：train，路径：queries/train-* - 划分：test，路径：queries/test-* ## 数据集描述 **CulturaViva-Retrieval** 是一套完全以意大利语原生构建的数据集，专为捕捉并彰显意大利语的复杂性与文化丰度而打造。与传统的翻译衍生数据集不同，CulturaViva-ITA 直接取材于文化、文学与历史领域，提供具备语言学精准性与文化价值的高质量数据。 ## 参考文献与引用说明 如需获取更多信息，请访问官方仓库：[DeepMount00/CulturaViva-ITA](https://huggingface.co/datasets/DeepMount00/CulturaViva-ITA)。请按以下格式引用该数据集： bibtex @misc{culturaviva-ita, author = {Michele, Montebovi}, title = {CulturaViva-ITA: An Authentically Italian Dataset for NLP}, year = {2025}, publisher = {Michele Montebovi}, url = {https://huggingface.co/datasets/DeepMount00/CulturaViva-ITA} } ## 许可协议 CulturaViva-ITA 采用 **知识共享署名4.0国际版（CC BY 4.0）** 许可协议发布。