mteb/cqadupstack-programmers

该数据集是一个单语言（英语）的文本检索数据集，来源于cqadupstack-programmers。数据集包含三个配置：default、corpus和queries。default配置用于测试，包含query-id、corpus-id和score特征；corpus配置包含_id、title和text特征，用于存储文档内容；queries配置包含_id和text特征，用于存储查询内容。

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

• 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: 45452 num_examples: 1675

语料库配置

• 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: 34546412 num_examples: 32176

查询配置

• 配置名称: queries
• 特征:
  • 名称: _id dtype: string
  • 名称: text dtype: string
• 分割:
  • 名称: queries num_bytes: 60281 num_examples: 876

配置和数据文件

默认配置

• 配置名称: default
• 数据文件:
  • 分割: test path: qrels/test.jsonl

语料库配置

• 配置名称: corpus
• 数据文件:
  • 分割: corpus path: corpus.jsonl

查询配置

• 配置名称: queries
• 数据文件:
  • 分割: queries path: queries.jsonl