Seznam.cz 发布 DaReCzech 数据集, 应用在 搜索相关性、多语言研究 领域

Seznam.cz 本次发布的数据集 DaReCzech, DaReCzech是由Seznam.cz创建的一个大型捷克语数据集，包含160万条用户查询-文档对，并由人工专家分配了相关性级别。该数据集旨在支持搜索相关性和多语言研究社区的努力，特别关注捷克语环境下的文本相关性排序问题。数据集分为四个部分：Train-big、Train-small、Dev和Test，每个部分都包含不同的查询-文档对，用于训练和评估文本相关性模型。数据集的创建过程涉及从旧数据池中提取数据，并对其进行预处理和标注，以确保数据的质量和适用性。DaReCzech的应用领域主要集中在提高搜索结果的相关性，特别是在捷克语网络搜索环境中，通过提供高质量的训练数据来优化相关性排序算法。

查看DaReCzech

README 内容： 

关于 Seznam.cz , Seznam.cz是捷克共和国最大的门户网站之一，提供搜索、新闻、电子邮件、地图等多种在线服务。

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。