mteb/LegalQuAD

LegalQuAD数据集包含德语的法律文档和问题。数据集分为三个部分：corpus（法律文档）、queries（与法律文档相关的问题）和default（查询与文档的配对标签）。该数据集的任务是文本检索，具体为文档检索。数据集的来源是GitHub上的AIKE2021_Appendix项目。

The LegalQuAD dataset consists of German legal documents and associated questions. It is split into three components: corpus (legal documents), queries (questions related to the legal documents), and default (pairing labels for queries and documents). The task targeted by this dataset is text retrieval, specifically document retrieval. The dataset originates from the AIKE2021_Appendix project on GitHub.

原始信息汇总

数据集概述

基本信息

• 语言: 德语
• 多语言性: 单语种
• 任务类别: 文本检索
• 任务ID: 文档检索
• 配置名称: corpus
• 标签: 文本检索

数据集配置

• 默认配置

  • 特征:
    • query-id: 字符串类型
    • corpus-id: 字符串类型
    • score: 浮点数类型
  • 分割:
    • test: 200个样本

• corpus配置

  • 特征:
    • _id: 字符串类型
    • title: 字符串类型
    • text: 字符串类型
  • 分割:
    • corpus: 200个样本

• queries配置

  • 特征:
    • _id: 字符串类型
    • text: 字符串类型
  • 分割:
    • queries: 200个样本

数据文件

• 默认配置
  • test: qrels/test.jsonl
• corpus配置
  • corpus: corpus.jsonl
• queries配置
  • queries: queries.jsonl

数据集内容

• 数据集名称: LegalQuAD
• 原始链接: https://github.com/Christoph911/AIKE2021_Appendix
• 内容描述: 包含德语的法律问题和法律文档
• corpus集: 包含法律文档
• queries集: 包含与法律文档相关的问题