- বর্ণনা :
Istella ডেটাসেটগুলি হল Istella দ্বারা প্রকাশিত তিনটি বড় মাপের লার্নিং-টু-র্যাঙ্ক ডেটাসেট। প্রতিটি ডেটাসেটে ক্যোয়ারী-ডকুমেন্ট জোড়া থাকে যা বৈশিষ্ট্য ভেক্টর এবং সংশ্লিষ্ট প্রাসঙ্গিক বিচার লেবেল হিসাবে উপস্থাপিত হয়।
ডেটাসেটে তিনটি সংস্করণ রয়েছে:
-
main("Istella LETOR"): 10,454,629টি ক্যোয়ারী-ডকুমেন্ট জোড়া রয়েছে৷ -
s("Istella-S LETOR"): 3,408,630টি ক্যোয়ারী-ডকুমেন্ট জোড়া রয়েছে৷ -
x("Istella-X LETOR"): 26,791,447 ক্যোয়ারী-ডকুমেন্ট জোড়া রয়েছে।
আপনি নিম্নলিখিত হিসাবে ডেটাসেটের main , s বা x সংস্করণ ব্যবহার করবেন কিনা তা নির্দিষ্ট করতে পারেন:
ds = tfds.load("istella/main")
ds = tfds.load("istella/s")
ds = tfds.load("istella/x")
যদি শুধুমাত্র istella নির্দিষ্ট করা হয়, istella/main বিকল্পটি ডিফল্টরূপে নির্বাচিত হয়:
# This is the same as `tfds.load("istella/main")`
ds = tfds.load("istella")
সোর্স কোড :
tfds.ranking.istella.Istellaসংস্করণ :
-
1.0.0: প্রাথমিক প্রকাশ। -
1.0.1: float64 সমর্থন করার জন্য সিরিয়ালাইজেশন ঠিক করুন। -
1.1.0: বৈশিষ্ট্যগুলিকে একটি একক 'float_features' বৈশিষ্ট্যে বান্ডিল করুন৷ -
1.2.0(ডিফল্ট): ক্যোয়ারী এবং নথি শনাক্তকারী যোগ করুন।
-
স্বয়ংক্রিয় ক্যাশে ( ডকুমেন্টেশন ): না
বৈশিষ্ট্য গঠন :
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),
})
- বৈশিষ্ট্য ডকুমেন্টেশন :
| বৈশিষ্ট্য | ক্লাস | আকৃতি | ডিটাইপ | বর্ণনা |
|---|---|---|---|---|
| ফিচারসডিক্ট | ||||
| doc_id | টেনসর | (কোনটিই নয়,) | int64 | |
| float_features | টেনসর | (কোনটিই নয়, 220) | float64 | |
| লেবেল | টেনসর | (কোনটিই নয়,) | float64 | |
| query_id | পাঠ্য | স্ট্রিং |
তত্ত্বাবধান করা কী (দেখুন
as_superviseddoc ):Noneচিত্র ( tfds.show_examples ): সমর্থিত নয়।
উদ্ধৃতি :
@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/প্রধান (ডিফল্ট কনফিগারেশন)
ডাউনলোড আকার :
1.20 GiBডেটাসেটের আকার :
1.12 GiBবিভাজন :
| বিভক্ত | উদাহরণ |
|---|---|
'test' | ৯,৭৯৯ |
'train' | 23,219 |
- উদাহরণ ( tfds.as_dataframe ):
istella/s
ডাউনলোড
450.26 MiBডেটাসেটের আকার :
421.88 MiBবিভাজন :
| বিভক্ত | উদাহরণ |
|---|---|
'test' | ৬,৫৬২ |
'train' | 19,245 |
'vali' | 7,211 |
- উদাহরণ ( tfds.as_dataframe ):
istella/x
ডাউনলোড সাইজ :
4.42 GiBডেটাসেটের আকার :
2.46 GiBবিভাজন :
| বিভক্ত | উদাহরণ |
|---|---|
'test' | 2,000 |
'train' | 6,000 |
'vali' | 2,000 |
- উদাহরণ ( tfds.as_dataframe ):
- বর্ণনা :
Istella ডেটাসেটগুলি হল Istella দ্বারা প্রকাশিত তিনটি বড় মাপের লার্নিং-টু-র্যাঙ্ক ডেটাসেট। প্রতিটি ডেটাসেটে ক্যোয়ারী-ডকুমেন্ট জোড়া থাকে যা বৈশিষ্ট্য ভেক্টর এবং সংশ্লিষ্ট প্রাসঙ্গিক বিচার লেবেল হিসাবে উপস্থাপিত হয়।
ডেটাসেটে তিনটি সংস্করণ রয়েছে:
-
main("Istella LETOR"): 10,454,629টি ক্যোয়ারী-ডকুমেন্ট জোড়া রয়েছে৷ -
s("Istella-S LETOR"): 3,408,630টি ক্যোয়ারী-ডকুমেন্ট জোড়া রয়েছে৷ -
x("Istella-X LETOR"): 26,791,447 ক্যোয়ারী-ডকুমেন্ট জোড়া রয়েছে।
আপনি নিম্নলিখিত হিসাবে ডেটাসেটের main , s বা x সংস্করণ ব্যবহার করবেন কিনা তা নির্দিষ্ট করতে পারেন:
ds = tfds.load("istella/main")
ds = tfds.load("istella/s")
ds = tfds.load("istella/x")
যদি শুধুমাত্র istella নির্দিষ্ট করা হয়, istella/main বিকল্পটি ডিফল্টরূপে নির্বাচিত হয়:
# This is the same as `tfds.load("istella/main")`
ds = tfds.load("istella")
সোর্স কোড :
tfds.ranking.istella.Istellaসংস্করণ :
-
1.0.0: প্রাথমিক প্রকাশ। -
1.0.1: float64 সমর্থন করার জন্য সিরিয়ালাইজেশন ঠিক করুন। -
1.1.0: বৈশিষ্ট্যগুলিকে একটি একক 'float_features' বৈশিষ্ট্যে বান্ডিল করুন৷ -
1.2.0(ডিফল্ট): ক্যোয়ারী এবং নথি শনাক্তকারী যোগ করুন।
-
স্বয়ংক্রিয় ক্যাশে ( ডকুমেন্টেশন ): না
বৈশিষ্ট্য গঠন :
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),
})
- বৈশিষ্ট্য ডকুমেন্টেশন :
| বৈশিষ্ট্য | ক্লাস | আকৃতি | ডিটাইপ | বর্ণনা |
|---|---|---|---|---|
| ফিচারসডিক্ট | ||||
| doc_id | টেনসর | (কোনটিই নয়,) | int64 | |
| float_features | টেনসর | (কোনটিই নয়, 220) | float64 | |
| লেবেল | টেনসর | (কোনটিই নয়,) | float64 | |
| query_id | পাঠ্য | স্ট্রিং |
তত্ত্বাবধান করা কী (দেখুন
as_superviseddoc ):Noneচিত্র ( tfds.show_examples ): সমর্থিত নয়।
উদ্ধৃতি :
@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/প্রধান (ডিফল্ট কনফিগারেশন)
ডাউনলোড আকার :
1.20 GiBডেটাসেটের আকার :
1.12 GiBবিভাজন :
| বিভক্ত | উদাহরণ |
|---|---|
'test' | ৯,৭৯৯ |
'train' | 23,219 |
- উদাহরণ ( tfds.as_dataframe ):
istella/s
ডাউনলোড
450.26 MiBডেটাসেটের আকার :
421.88 MiBবিভাজন :
| বিভক্ত | উদাহরণ |
|---|---|
'test' | ৬,৫৬২ |
'train' | 19,245 |
'vali' | 7,211 |
- উদাহরণ ( tfds.as_dataframe ):
istella/x
ডাউনলোড সাইজ :
4.42 GiBডেটাসেটের আকার :
2.46 GiBবিভাজন :
| বিভক্ত | উদাহরণ |
|---|---|
'test' | 2,000 |
'train' | 6,000 |
'vali' | 2,000 |
- উদাহরণ ( tfds.as_dataframe ):