WSDM CUP 2023 发布 MIRACL 数据集, 应用在 多语言信息检索、自然语言处理 领域

WSDM CUP 2023 本次发布的数据集 MIRACL, 该数据集名为MIRACL，是针对跨多语言搜索领域研究者的独特资源。它涵盖18种不同的语言，并分为四个部分：训练集、开发集、测试集A和测试集B，包含了查询、段落以及相关性判断。此外，该数据集还包括了带有查询和段落的样本，以及人工标注的相关性判断。特别值得一提的是，它还设有“惊喜语言”赛道，引入了训练集中未见的新语言。该数据集规模宏大，拥有超过60万的训练样本对，其任务是进行多语言信息检索。

查看MIRACL

关于 arXiv , arXiv 是一个免费分发服务和开放获取的学术文章档案库，涵盖了物理学、数学、计算机科学、定量生物学、定量金融、统计学、电气工程和系统科学以及经济学等领域。该网站上的材料并未经过 arXiv 的同行评审。