Yambda

kaggle2025-08-19 更新2025-09-20 收录

数据链接：

官方服务：

资源简介：

A Large-Scale Multi-modal Dataset for Ranking And Retrieval

面向排序与检索的大规模多模态数据集

创建时间：

2025-08-19

预计算的IDF统计数据覆盖所有英文维基百科文章。数据集包含压缩的CSV文件，每个文件解压后约为500MB，包含约1000万行的术语和词干。

github2024-02-05 更新220

mFollowIR跨语言数据集的Parquet版本，可以直接使用`load_dataset()`加载。该数据集包含多种配置，每种配置针对不同的目标语言（fas, rus, zho），包括原始和修改的相关性判断、文档集合、查询集以及排名靠前的文档。

Hugging Face2024-10-24 更新90

该数据集包含查询ID、查询文本、查询图片、正例文档ID序列、反例文档ID序列、答案和来源等字段。数据集分为训练集(train)、验证集(dev)、dl19和dl20四个部分，适用于文本和图像的联合处理任务。

Hugging Face2025-02-04 更新50

`lotte/pooled/dev/search`数据集由ir-datasets包提供，主要用于文本检索任务。该数据集包含2,931个查询（即主题）和8,573个相关性评估。文档部分需要使用`irds/lotte_pooled_dev`数据集。

Hugging Face2023-01-05 更新170

这是一个包含问题和原始文本的数据集，可能用于问答或文本处理相关任务。数据集划分为训练集，包含85636个样本，总大小为2.75GB。

Hugging Face2025-08-05 更新80