jhu-clsp/robust04-instructions

---
language:
- en
multilinguality:
- monolingual
task_categories:
- text-retrieval
source_datasets:
- robust04
task_ids:
- document-retrieval
config_names:
- corpus
tags:
- text-retrieval
- instruction-retrieval
dataset_info:
- config_name: top_ranked
features:
- name: qid
dtype: string
- name: pid
dtype: string
splits:
- name: top_ranked
num_examples: 52000
- config_name: qrels_og
features:
- name: query-id
dtype: string
- name: corpus-id
dtype: string
- name: score
dtype: float64
splits:
- name: test
num_examples: 18465
- config_name: qrels_changed
features:
- name: query-id
dtype: string
- name: corpus-id
dtype: string
- name: score
dtype: float64
splits:
- name: test
num_examples: 18465
- config_name: corpus
features:
- name: _id
dtype: string
- name: title
dtype: string
- name: text
dtype: string
splits:
- name: corpus
num_examples: 47492
- config_name: queries
features:
- name: _id
dtype: string
- name: text
dtype: string
- name: instruction_og
dtype: string
- name: instruction_changed
dtype: string
- name: keywords
dtype: string
- name: short_query
dtype: string
splits:
- name: queries
num_examples: 52
configs:
- config_name: qrels_og
data_files:
- split: test
path: qrels_og/test.jsonl
- config_name: qrels_changed
data_files:
- split: test
path: qrels_changed/test.jsonl
- config_name: corpus
data_files:
- split: corpus
path: corpus.jsonl
- config_name: queries
data_files:
- split: queries
path: queries.jsonl
- config_name: top_ranked
data_files:
- split: top_ranked
path: top_ranked.jsonl
license: mit
---

语言：
- en
多语言属性：
- 单语
任务类别：
- 文本检索（text-retrieval）
源数据集：
- robust04
任务子类型：
- 文档检索（document-retrieval）
配置名称：
- corpus
标签：
- 文本检索（text-retrieval）
- 指令检索（instruction-retrieval）
数据集信息：
- 配置名称：top_ranked
特征字段：
- 名称：qid，数据类型：字符串
- 名称：pid，数据类型：字符串
数据分割：
- 分割名称：top_ranked，样本数量：52000
- 配置名称：qrels_og
特征字段：
- 名称：query-id，数据类型：字符串
- 名称：corpus-id，数据类型：字符串
- 名称：score，数据类型：64位浮点数
数据分割：
- 分割名称：test，样本数量：18465
- 配置名称：qrels_changed
特征字段：
- 名称：query-id，数据类型：字符串
- 名称：corpus-id，数据类型：字符串
- 名称：score，数据类型：64位浮点数
数据分割：
- 分割名称：test，样本数量：18465
- 配置名称：corpus
特征字段：
- 名称：_id，数据类型：字符串
- 名称：title，数据类型：字符串
- 名称：text，数据类型：字符串
数据分割：
- 分割名称：corpus，样本数量：47492
- 配置名称：queries
特征字段：
- 名称：_id，数据类型：字符串
- 名称：text，数据类型：字符串
- 名称：instruction_og，数据类型：字符串
- 名称：instruction_changed，数据类型：字符串
- 名称：keywords，数据类型：字符串
- 名称：short_query，数据类型：字符串
数据分割：
- 分割名称：queries，样本数量：52
配置项：
- 配置名称：qrels_og
数据文件：
- 分割名称：test
文件路径：qrels_og/test.jsonl
- 配置名称：qrels_changed
数据文件：
- 分割名称：test
文件路径：qrels_changed/test.jsonl
- 配置名称：corpus
数据文件：
- 分割名称：corpus
文件路径：corpus.jsonl
- 配置名称：queries
数据文件：
- 分割名称：queries
文件路径：queries.jsonl
- 配置名称：top_ranked
数据文件：
- 分割名称：top_ranked
文件路径：top_ranked.jsonl

原始信息汇总

数据集概述

基本信息

• 语言: 英语
• 多语言性: 单语
• 任务类别: 文本检索
• 源数据集: robust04
• 任务ID: 文档检索
• 配置名称: corpus
• 标签: 文本检索, 指令检索

数据集配置

配置: top_ranked

• 特征:
  • qid: 字符串
  • pid: 字符串
• 分割:
  • top_ranked: 52000个示例

配置: qrels_og

• 特征:
  • query-id: 字符串
  • corpus-id: 字符串
  • score: 浮点数
• 分割:
  • test: 18465个示例

配置: qrels_changed

• 特征:
  • query-id: 字符串
  • corpus-id: 字符串
  • score: 浮点数
• 分割:
  • test: 18465个示例

配置: corpus

• 特征:
  • _id: 字符串
  • title: 字符串
  • text: 字符串
• 分割:
  • corpus: 47492个示例

配置: queries

• 特征:
  • _id: 字符串
  • text: 字符串
  • instruction_og: 字符串
  • instruction_changed: 字符串
  • keywords: 字符串
  • short_query: 字符串
• 分割:
  • queries: 52个示例

数据文件

配置: qrels_og

• 文件:
  • test: qrels_og/test.jsonl

配置: qrels_changed

• 文件:
  • test: qrels_changed/test.jsonl

配置: corpus

• 文件:
  • corpus: corpus.jsonl

配置: queries

• 文件:
  • queries: queries.jsonl

配置: top_ranked

• 文件:
  • top_ranked: top_ranked.jsonl