seungwon929/Ja-miracl

Ja-miracl数据集是从miracl数据集的日语部分转换而来，采用了BeIR格式，使其能够与mteb兼容。数据集包含三个配置：default、corpus和queries，每个配置都有不同的特征和分割。default配置包含查询ID、语料库ID和分数；corpus配置包含ID、标题和文本；queries配置包含ID和文本。数据集主要用于文本检索任务。

原始信息汇总

数据集概述

基本信息

• 语言: 日语 (ja)
• 多语言性: 单语种
• 大小: 10K<n<100K
• 来源数据集: miracl
• 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
    • corpus-id: 字符串
    • score: 浮点数
  • 分割:
    • dev: 8354个样本，236068字节
• corpus配置:
  • 特征:
    • _id: 字符串
    • title: 字符串
    • text: 字符串
  • 分割:
    • corpus: 6953614个样本，538000000字节
• queries配置:
  • 特征:
    • _id: 字符串
    • text: 字符串
  • 分割:
    • queries: 860个样本，98697字节

数据文件

• 默认配置:
  • dev: 路径为 qrels/dev.jsonl
• corpus配置:
  • corpus: 路径为 corpus.jsonl
• queries配置:
  • queries: 路径为 queries.jsonl