mteb/dbpedia

该数据集是一个单语言（英语）的文本检索数据集，主要用于文档检索任务。数据集来源于DBpedia，包含三个配置：default、corpus和queries。default配置包含query-id、corpus-id和score特征，corpus配置包含_id、title和text特征，queries配置包含_id和text特征。数据集的分割包括test、dev、corpus和queries，每个分割都有相应的字节大小和示例数量。

原始信息汇总

数据集概述

语言和多语言性

• 语言: 英语
• 多语言性: 单语种

任务类别和ID

• 任务类别: 文本检索
• 任务ID: 文档检索

源数据集

• 源数据集: DBpedia

配置名称

• 配置名称: corpus

标签

• 标签: 文本检索

数据集信息

配置名称: default

• 特征:
  • 名称: query-id dtype: string
  • 名称: corpus-id dtype: string
  • 名称: score dtype: float64
• 分割:
  • 名称: test num_bytes: 2588768 num_examples: 43515
  • 名称: dev num_bytes: 347113 num_examples: 5673

配置名称: corpus

• 特征:
  • 名称: _id dtype: string
  • 名称: title dtype: string
  • 名称: text dtype: string
• 分割:
  • 名称: corpus num_bytes: 1639231635 num_examples: 4635922

配置名称: queries

• 特征:
  • 名称: _id dtype: string
  • 名称: text dtype: string
• 分割:
  • 名称: queries num_bytes: 25506 num_examples: 467

配置

配置名称: default

• 数据文件:
  • 分割: dev 路径: qrels/dev.jsonl
  • 分割: test 路径: qrels/test.jsonl

配置名称: corpus

• 数据文件:
  • 分割: corpus 路径: corpus.jsonl

配置名称: queries

• 数据文件:
  • 分割: queries 路径: queries.jsonl