five

Tevatron/docmatix-ir

收藏
Hugging Face2024-08-12 更新2024-12-14 收录
下载链接:
https://hf-mirror.com/datasets/Tevatron/docmatix-ir
下载链接
链接失效反馈
官方服务:
资源简介:
Docmatix-IR是一个适合训练文档视觉嵌入模型的数据集,用于开放域视觉问答任务。它通过对原始Docmatix数据集进行问题过滤和困难负例挖掘,生成了5.61M高质量的训练示例。原始Docmatix数据集包含2.4M PDF图像和9.5M相关问题,但许多问题不适合开放域问答。Docmatix-IR使用Document Screenshot Embedding (DSE)模型对语料库进行编码,并过滤掉不适合开放域检索的问题,同时挖掘困难负例以提高训练数据的质量。

Docmatix-IR is a dataset derived from the original Docmatix dataset, primarily designed for training document visual embedding models for open-domain visual question answering tasks. This dataset creates high-quality training data by filtering out unsuitable questions for open-domain question answering and mining hard negatives, ultimately obtaining 5.61M high-quality training examples.
提供机构:
Tevatron
5,000+
优质数据集
54 个
任务类型
进入经典数据集
二维码
社区交流群

面向社区/商业的数据集话题

二维码
科研交流群

面向高校/科研机构的开源数据集话题

数据驱动未来

携手共赢发展

商业合作