istella

  • Descripción :

Los conjuntos de datos de Istella son tres conjuntos de datos de aprendizaje para clasificar a gran escala publicados por Istella. Cada conjunto de datos consta de pares de consulta-documento representados como vectores de características y etiquetas de juicio de relevancia correspondientes.

El conjunto de datos contiene tres versiones:

  • main ("Istella LETOR"): Contiene 10.454.629 pares de consulta-documento.
  • s ("Istella-S LETOR"): Contiene 3.408.630 pares consulta-documento.
  • x ("Istella-X LETOR"): Contiene 26.791.447 pares consulta-documento.

Puede especificar si usar la versión main , s o x del conjunto de datos de la siguiente manera:

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

Si solo se especifica istella , la opción istella/main se selecciona de forma predeterminada:

# This is the same as `tfds.load("istella/main")`
ds = tfds.load("istella")
  • Página de inicio: http://quickrank.isti.cnr.it/istella-dataset/

  • Código fuente : tfds.ranking.istella.Istella

  • Versiones :

    • 1.0.0 : Versión inicial.
    • 1.0.1 : corrige la serialización para admitir float64.
    • 1.1.0 : Agrupe funciones en una sola función 'float_features'.
    • 1.2.0 (predeterminado): agregue identificadores de consultas y documentos.
  • Almacenamiento automático en caché ( documentación ): No

  • Estructura de características :

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),
})
  • Documentación de características :
Rasgo Clase Forma Tipo D Descripción
CaracterísticasDict
ID_doc Tensor (Ninguno,) int64
funciones_flotantes Tensor (Ninguno, 220) flotar64
etiqueta Tensor (Ninguno,) flotar64
consulta_id Texto cuerda
@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},
}

isstella/main (configuración predeterminada)

  • Tamaño de descarga : 1.20 GiB

  • Tamaño del conjunto de datos : 1.12 GiB

  • Divisiones :

Separar Ejemplos
'test' 9,799
'train' 23,219

istel/s

  • Tamaño de la descarga : 450.26 MiB

  • Tamaño del conjunto de datos : 421.88 MiB

  • Divisiones :

Separar Ejemplos
'test' 6,562
'train' 19,245
'vali' 7,211

istella/x

  • Tamaño de descarga : 4.42 GiB

  • Tamaño del conjunto de datos : 2.46 GiB

  • Divisiones :

Separar Ejemplos
'test' 2,000
'train' 6,000
'vali' 2,000
,

  • Descripción :

Los conjuntos de datos de Istella son tres conjuntos de datos de aprendizaje para clasificar a gran escala publicados por Istella. Cada conjunto de datos consta de pares de consulta-documento representados como vectores de características y etiquetas de juicio de relevancia correspondientes.

El conjunto de datos contiene tres versiones:

  • main ("Istella LETOR"): Contiene 10.454.629 pares de consulta-documento.
  • s ("Istella-S LETOR"): Contiene 3.408.630 pares consulta-documento.
  • x ("Istella-X LETOR"): Contiene 26.791.447 pares consulta-documento.

Puede especificar si usar la versión main , s o x del conjunto de datos de la siguiente manera:

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

Si solo se especifica istella , la opción istella/main se selecciona de forma predeterminada:

# This is the same as `tfds.load("istella/main")`
ds = tfds.load("istella")
  • Página de inicio: http://quickrank.isti.cnr.it/istella-dataset/

  • Código fuente : tfds.ranking.istella.Istella

  • Versiones :

    • 1.0.0 : Versión inicial.
    • 1.0.1 : corrige la serialización para admitir float64.
    • 1.1.0 : Agrupe funciones en una sola función 'float_features'.
    • 1.2.0 (predeterminado): agregue identificadores de consultas y documentos.
  • Almacenamiento automático en caché ( documentación ): No

  • Estructura de características :

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),
})
  • Documentación de características :
Rasgo Clase Forma Tipo D Descripción
CaracterísticasDict
ID_doc Tensor (Ninguno,) int64
funciones_flotantes Tensor (Ninguno, 220) flotar64
etiqueta Tensor (Ninguno,) flotar64
consulta_id Texto cuerda
@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},
}

isstella/main (configuración predeterminada)

  • Tamaño de descarga : 1.20 GiB

  • Tamaño del conjunto de datos : 1.12 GiB

  • Divisiones :

Separar Ejemplos
'test' 9,799
'train' 23,219

istel/s

  • Tamaño de la descarga : 450.26 MiB

  • Tamaño del conjunto de datos : 421.88 MiB

  • Divisiones :

Separar Ejemplos
'test' 6,562
'train' 19,245
'vali' 7,211

istella/x

  • Tamaño de descarga : 4.42 GiB

  • Tamaño del conjunto de datos : 2.46 GiB

  • Divisiones :

Separar Ejemplos
'test' 2,000
'train' 6,000
'vali' 2,000