استلا

• توضیحات :

مجموعه داده های ایستلا سه مجموعه داده یادگیری به رتبه در مقیاس بزرگ هستند که توسط ایستلا منتشر شده اند. هر مجموعه داده شامل جفت‌های پرس و جو-سند است که به‌عنوان بردارهای ویژگی و برچسب‌های قضاوت مربوطه نشان داده می‌شوند.

مجموعه داده شامل سه نسخه است:

• main ("Istella LETOR"): شامل 10454629 جفت پرس و جو-سند.
• s ("Istella-S LETOR"): شامل 3,408,630 جفت درخواست-سند.
• x ("Istella-X LETOR"): شامل 26791447 جفت پرس و جو-سند.

شما می توانید تعیین کنید که آیا از نسخه main ، s یا x مجموعه داده به صورت زیر استفاده کنید:

ds = tfds.load("istella/main")
ds = tfds.load("istella/s")
ds = tfds.load("istella/x")

اگر فقط istella مشخص شده باشد، گزینه istella/main به طور پیش فرض انتخاب می شود:

# This is the same as `tfds.load("istella/main")`
ds = tfds.load("istella")

• صفحه اصلی : http://quickrank.isti.cnr.it/istella-dataset/

• کد منبع : tfds.ranking.istella.Istella

• نسخه ها :

  • 1.0.0 : انتشار اولیه.
  • 1.0.1 : سریال سازی را برای پشتیبانی از float64 برطرف کنید.
  • 1.1.0 : ویژگی ها را در یک ویژگی «float_features» دسته بندی کنید.
  • 1.2.0 (پیش فرض): شناسه های پرس و جو و سند را اضافه کنید.

• ذخیره خودکار ( اسناد ): خیر

• ساختار ویژگی :

FeaturesDict({
    'doc_id': Tensor(shape=(None,), dtype=int64),
    'float_features': Tensor(shape=(None, 220), dtype=float64),
    'label': Tensor(shape=(None,), dtype=float64),
    'query_id': Text(shape=(), dtype=string),
})

• مستندات ویژگی :

• کلیدهای نظارت شده (به as_supervised doc مراجعه کنید): None

• شکل ( tfds.show_examples ): پشتیبانی نمی شود.

• نقل قول :

@article{10.1145/2987380,
  author = {Dato, Domenico and Lucchese, Claudio and Nardini, Franco Maria and Orlando, Salvatore and Perego, Raffaele and Tonellotto, Nicola and Venturini, Rossano},
  title = {Fast Ranking with Additive Ensembles of Oblivious and Non-Oblivious Regression Trees},
  year = {2016},
  publisher = {ACM},
  address = {New York, NY, USA},
  volume = {35},
  number = {2},
  issn = {1046-8188},
  url = {https://doi.org/10.1145/2987380},
  doi = {10.1145/2987380},
  journal = {ACM Transactions on Information Systems},
  articleno = {15},
  numpages = {31},
}

istella/main (پیکربندی پیش فرض)

• حجم دانلود : 1.20 GiB

• حجم مجموعه داده : 1.12 GiB

• تقسیم ها :

• مثال‌ها ( tfds.as_dataframe ):

istella/s

• حجم دانلود : 450.26 MiB

• حجم مجموعه داده : 421.88 MiB

• تقسیم ها :

• مثال‌ها ( tfds.as_dataframe ):

istella/x

• حجم دانلود : 4.42 GiB

• حجم مجموعه داده : 2.46 GiB

• تقسیم ها :

• مثال‌ها ( tfds.as_dataframe ):

• توضیحات :

مجموعه داده های ایستلا سه مجموعه داده یادگیری به رتبه در مقیاس بزرگ هستند که توسط ایستلا منتشر شده اند. هر مجموعه داده شامل جفت‌های پرس و جو-سند است که به‌عنوان بردارهای ویژگی و برچسب‌های قضاوت مربوطه نشان داده می‌شوند.

مجموعه داده شامل سه نسخه است:

• main ("Istella LETOR"): شامل 10454629 جفت پرس و جو-سند.
• s ("Istella-S LETOR"): شامل 3,408,630 جفت درخواست-سند.
• x ("Istella-X LETOR"): شامل 26791447 جفت پرس و جو-سند.

شما می توانید تعیین کنید که آیا از نسخه main ، s یا x مجموعه داده به صورت زیر استفاده کنید:

ds = tfds.load("istella/main")
ds = tfds.load("istella/s")
ds = tfds.load("istella/x")

اگر فقط istella مشخص شده باشد، گزینه istella/main به طور پیش فرض انتخاب می شود:

# This is the same as `tfds.load("istella/main")`
ds = tfds.load("istella")

• صفحه اصلی : http://quickrank.isti.cnr.it/istella-dataset/

• کد منبع : tfds.ranking.istella.Istella

• نسخه ها :

  • 1.0.0 : انتشار اولیه.
  • 1.0.1 : سریال سازی را برای پشتیبانی از float64 برطرف کنید.
  • 1.1.0 : ویژگی ها را در یک ویژگی «float_features» دسته بندی کنید.
  • 1.2.0 (پیش فرض): شناسه های پرس و جو و سند را اضافه کنید.

• ذخیره خودکار ( اسناد ): خیر

• ساختار ویژگی :

FeaturesDict({
    'doc_id': Tensor(shape=(None,), dtype=int64),
    'float_features': Tensor(shape=(None, 220), dtype=float64),
    'label': Tensor(shape=(None,), dtype=float64),
    'query_id': Text(shape=(), dtype=string),
})

• مستندات ویژگی :

• کلیدهای نظارت شده (به as_supervised doc مراجعه کنید): None

• شکل ( tfds.show_examples ): پشتیبانی نمی شود.

• نقل قول :

@article{10.1145/2987380,
  author = {Dato, Domenico and Lucchese, Claudio and Nardini, Franco Maria and Orlando, Salvatore and Perego, Raffaele and Tonellotto, Nicola and Venturini, Rossano},
  title = {Fast Ranking with Additive Ensembles of Oblivious and Non-Oblivious Regression Trees},
  year = {2016},
  publisher = {ACM},
  address = {New York, NY, USA},
  volume = {35},
  number = {2},
  issn = {1046-8188},
  url = {https://doi.org/10.1145/2987380},
  doi = {10.1145/2987380},
  journal = {ACM Transactions on Information Systems},
  articleno = {15},
  numpages = {31},
}

istella/main (پیکربندی پیش فرض)

• حجم دانلود : 1.20 GiB

• حجم مجموعه داده : 1.12 GiB

• تقسیم ها :

• مثال‌ها ( tfds.as_dataframe ):

istella/s

• حجم دانلود : 450.26 MiB

• حجم مجموعه داده : 421.88 MiB

• تقسیم ها :

• مثال‌ها ( tfds.as_dataframe ):

istella/x

• حجم دانلود : 4.42 GiB

• حجم مجموعه داده : 2.46 GiB

• تقسیم ها :

• مثال‌ها ( tfds.as_dataframe ):