莫斯科国立大学 发布 wikifacts-articles, wikifacts-para, wikifacts-sents, wikifacts-window 数据集, 应用在 信息检索、自然语言处理 领域

莫斯科国立大学 本次发布的数据集 wikifacts-articles, wikifacts-para, wikifacts-sents, wikifacts-window, wikifacts系列数据集是一系列基于俄语维基百科“你知道吗？”部分的有趣事实及其引用的维基百科文章构建的俄语信息检索数据集。这些数据集支持事实核查、检索增强生成和完整文档检索等任务。数据集创建方法允许扩展现有的俄语信息检索资源。通过广泛的实验，该研究扩展了RusBEIR研究，比较了BM25等词汇检索模型与为俄语微调的最先进的神经网络模型，以及多语言模型。结果表明，在完整文档检索方面，词汇方法往往优于神经网络模型，而神经网络方法在较短文本中更好地捕捉词汇语义，例如在事实核查或细粒度检索中。使用新创建的数据集，研究人员还分析了文档长度对检索性能的影响，并表明结合检索与神经重排序可以持续提高结果。这些数据集的创建扩大了俄语信息检索研究可用的资源，并强调了准确评估检索模型以实现最佳性能的重要性。所有数据集均可在HuggingFace上公开获取。

查看wikifacts-articles, wikifacts-para, wikifacts-sents, wikifacts-window

Dataset card 内容： 

Files and versions 内容： 

关于 莫斯科国立大学 , 莫斯科国立大学是俄罗斯最古老和最著名的大学之一，成立于1755年，以其在各个学科领域的卓越教育和研究而闻名。

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。