income/cqadupstack-webmasters-top-20-gen-queries

BEIR Benchmark是一个异构的基准测试，由18个不同的数据集组成，涵盖了9种信息检索任务，包括事实核查、问答、生物医学信息检索、新闻检索、论点检索、重复问题检索、引文预测、推文检索和实体检索。所有数据集均已预处理，可用于实验。数据集的结构包括corpus、queries和qrels文件，分别用于存储文档、查询和查询与文档的相关性评分。所有任务均为英文。

原始信息汇总

数据集概述

数据集名称

• 名称: BEIR Benchmark
• 别名: BEIR

数据集基本信息

• 语言: 英语 (en)
• 许可证: CC-BY-SA-4.0
• 多语言性: 单语种

数据集大小

• MSMARCO: 1M<n<10M
• TREC-COVID: 100k<n<1M
• NFCorpus: 1K<n<10K
• NQ: 1M<n<10M
• HotpotQA: 1M<n<10M
• FiQA: 10K<n<100K
• ArguAna: 1K<n<10K
• Touche-2020: 100K<n<1M
• CQADupstack: 100K<n<1M
• Quora: 100K<n<1M
• DBpedia: 1M<n<10M
• SciDocs: 10K<n<100K
• FEVER: 1M<n<10M
• Climate-FEVER: 1M<n<10M
• SciFact: 1K<n<10K

数据集结构

• 文件格式:
  • corpus: .jsonl (jsonlines)
  • queries: .jsonl (jsonlines)
  • qrels: .tsv (tab-separated)

数据集内容

• 任务类型: 文本检索
• 数据实例:
  • Corpus: 包含文档ID、标题和文本内容
  • Queries: 包含查询ID和查询文本
  • Qrels: 包含查询ID、文档ID和相关性评分

数据集创建

• 来源数据: 来自18个不同数据集，涵盖9种信息检索任务
• 数据预处理: 所有数据集均已预处理，可供实验使用

使用注意事项

• 社会影响: 未提供详细信息
• 偏见讨论: 未提供详细信息
• 其他已知限制: 未提供详细信息

附加信息

• 数据集维护者: 未提供详细信息
• 许可证信息: CC-BY-SA-4.0
• 引用信息: 提供了一个引用格式
• 贡献者: 感谢@Nthakur20