TianGong-PDR数据集

我们使用基于新浪新闻RSS订阅频道网页数据的中文新闻数据集THUCNews作为我们的语料库，并从中国流行的商业搜索引擎搜狗的10天查询日志中挑选查询We utilized the Chinese news dataset THUCNews—derived from web data of the Sina News RSS subscription channel—as our corpus, and selected queries from the 10-day query logs of Sogou, a prevalent commercial search engine in China.

搜集汇总

背景与挑战

背景概述

TianGong-PDR是一个用于信息检索研究的中文数据集，包含70个查询、1050个文档和11512个段落，每个查询-文档和查询-段落对都配有四级人类评估相关性标签。该数据集基于THUCNews新闻语料和搜狗查询日志构建，通过BM25分数筛选文档，并支持文档级和段落级相关性分析，旨在促进检索模型和语言技术的研究。