Датасет · THUIR
Крупный бенчмарк для ранжирования текстов на китайском
THUIR/T2Ranking
Масштабный набор данных на китайском языке для обучения и оценки моделей поиска и ранжирования пассажей.
Что внутри
Датасет представляет собой крупный бенчмарк на китайском языке для задачи ранжирования текстовых фрагментов (passage ranking) в информационном поиске. В нем от 1 до 10 миллионов примеров, которые позволяют оценивать, насколько точно система выстраивает список результатов по релевантности поисковому запросу.
Что можно сделать
- Обучение и проверка реранкеров для поисковых систем и RAG на китайском языке
- Оценка моделей семантической близости и классификации текстов
- Задачи
- Поиск по текстам, Классификация текста, Похожесть текстов
- Языки
- Китайский
- Размер
- 1M–10M записей
- Скачиваний за месяц
- 2,9 тыс.
- Лайков
- 36
Как загрузить
from datasets import load_dataset
ds = load_dataset("THUIR/T2Ranking")