tasksource/esci

ESCI产品搜索数据集，用于改进产品搜索的大规模ESCI基准。数据集包含多种特征，如查询、产品ID、产品标题、产品描述等，支持英语、日语和西班牙语。预处理步骤包括合并相关文件、聚合产品文本以及将esci_label映射为全名。数据集适用于文本分类和文本检索任务。

原始信息汇总

数据集概述

数据集名称

• ESCI product search dataset

数据集特征

• example_id: int64
• query: string
• query_id: int64
• product_id: string
• product_locale: string
• esci_label: string
• small_version: int64
• large_version: int64
• product_title: string
• product_description: string
• product_bullet_point: string
• product_brand: string
• product_color: string
• product_text: string

数据集分割

• train: 2027874 examples, 5047037946 bytes
• test: 652490 examples, 1631847321 bytes

数据集大小

• 下载大小: 2517788457 bytes
• 数据集总大小: 6678885267 bytes

许可

• Apache-2.0

任务类别

• text-classification
• text-retrieval

语言

• en
• ja
• es

搜集汇总

背景与挑战

背景概述

该数据集是一个大规模的产品搜索基准数据集，包含268万条产品查询记录及相关产品信息，主要用于文本分类和检索任务。数据包含查询文本、产品ID、标题、描述等丰富字段，总大小为2.52GB。