drexalt/msmarco-2.1-segmented

Name: drexalt/msmarco-2.1-segmented
Creator: drexalt
Published: 2024-06-04 13:42:55
License: 暂无描述

Hugging Face2024-06-04 更新2025-08-30 收录

下载链接：

https://hf-mirror.com/datasets/drexalt/msmarco-2.1-segmented

下载链接

链接失效反馈

官方服务：

资源简介：

--- license: cc-by-4.0 ---

许可证：CC BY 4.0（知识共享署名4.0）

提供机构：

drexalt

jturner116/msmarco-2.1-segmented

--- license: cc-by-4.0 ---

Hugging Face2024-06-04 更新20

castorini/prebuilt-indexes-msmarco-v2.1-doc-segmented

这个数据集提供了MSMARCO-v2.1文档分割语料库的预构建索引，这些索引使用不同的编码器（例如，lucene-inverted.msmarco-v2.1-doc-segmented.splade-v3.20250707.4039c3.tar.gz是使用SPLADE-v3模型编码的）。数据集目前不完整，并将逐步更新以迁移更多的预构建索引。

Hugging Face2025-07-09 更新270

msmarco-v2.1-embed-english-v3

该数据集包含TREC-RAG 2024语料库的嵌入，使用Cohere Embed V3 English模型生成。数据集包括113,520,750个段落的嵌入，1677个来自TREC-Deep Learning 2021-2023的查询的嵌入，以及所有查询的top-1000结果。数据集提供了多种格式的文件，包括Parquet、JSONL和Numpy，便于不同场景下的使用。此外，还提供了一个预构建的索

Hugging Face2024-08-06 更新10

processed_segmented_msmarco_v2.1_doc_dataset_small

该数据集包含三个特征：id、content和url，均为字符串类型。数据集被分割为训练集，包含69500个样本，总大小为132504957字节。数据集的下载大小为48830967字节。默认配置下的数据文件路径为data/train-*。

Hugging Face2024-09-25 更新310

ielabgroup/processed_segmented_msmarco_v2.1_doc_dataset_small

--- dataset_info: features: - name: id dtype: string - name: content dtype: string - name: url dtype: string splits: - name: train num_bytes: 132504957 num_examples: 69

Hugging Face2024-09-25 更新60