mteb/hotpotqa

该数据集是一个用于文本检索任务的英语单语言数据集，源数据集为HotpotQA。数据集包含三个配置：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train、dev、test、corpus和queries，每个分割都有相应的字节数和示例数。

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

配置名称和标签

• 配置名称：corpus
• 标签：文本检索

数据集信息

默认配置

• 特征：
  • query-id：字符串
  • corpus-id：字符串
  • score：浮点数（float64）
• 数据分割：
  • 训练集：
    • 字节数：7987509
    • 样本数：170000
  • 开发集：
    • 字节数：512018
    • 样本数：10894
  • 测试集：
    • 字节数：695504
    • 样本数：14810

语料库配置

• 特征：
  • _id：字符串
  • title：字符串
  • text：字符串
• 数据分割：
  • 语料库：
    • 字节数：1621286119
    • 样本数：5233329

查询配置

• 特征：
  • _id：字符串
  • text：字符串
• 数据分割：
  • 查询：
    • 字节数：13368277
    • 样本数：97852

配置和数据文件

默认配置

• 数据文件：
  • 训练集：qrels/train.jsonl
  • 开发集：qrels/dev.jsonl
  • 测试集：qrels/test.jsonl

语料库配置

• 数据文件：
  • 语料库：corpus.jsonl

查询配置

• 数据文件：
  • 查询：queries.jsonl