mslr_web

• Descrição :

MSLR-WEB são dois conjuntos de dados Learning-to-Rank em larga escala lançados pela Microsoft Research. O primeiro conjunto de dados (chamado "30k") contém 30.000 consultas e o segundo conjunto de dados (chamado "10k") contém 10.000 consultas. Cada conjunto de dados consiste em pares consulta-documento representados como vetores de recursos e rótulos de julgamento de relevância correspondentes.

Você pode especificar se deseja usar a versão "10k" ou "30k" do conjunto de dados e uma dobra correspondente, da seguinte maneira:

ds = tfds.load("mslr_web/30k_fold1")

Se apenas mslr_web for especificado, a opção mslr_web/10k_fold1 será selecionada por padrão:

# This is the same as `tfds.load("mslr_web/10k_fold1")`
ds = tfds.load("mslr_web")

• Página inicial : https://www.microsoft.com/en-us/research/project/mslr/

• Código -fonte: tfds.ranking.mslr_web.MslrWeb

• Versões :

  • 1.0.0 : versão inicial.
  • 1.1.0 : Agrupe recursos em um único recurso 'float_features'.
  • 1.2.0 (padrão): Adicionar identificadores de consulta e documento.

• Armazenado em cache automaticamente ( documentação ): Não

• Estrutura de recursos :

FeaturesDict({
    'doc_id': Tensor(shape=(None,), dtype=int64),
    'float_features': Tensor(shape=(None, 136), dtype=float64),
    'label': Tensor(shape=(None,), dtype=float64),
    'query_id': Text(shape=(), dtype=string),
})

• Documentação do recurso:

• Chaves supervisionadas (Consulte as_supervised doc ): None

• Figura ( tfds.show_examples ): Não compatível.

• Citação :

@article{DBLP:journals/corr/QinL13,
  author    = {Tao Qin and Tie{-}Yan Liu},
  title     = {Introducing {LETOR} 4.0 Datasets},
  journal   = {CoRR},
  volume    = {abs/1306.2597},
  year      = {2013},
  url       = {http://arxiv.org/abs/1306.2597},
  timestamp = {Mon, 01 Jul 2013 20:31:25 +0200},
  biburl    = {http://dblp.uni-trier.de/rec/bib/journals/corr/QinL13},
  bibsource = {dblp computer science bibliography, http://dblp.org}
}

mslr_web/10k_fold1 (configuração padrão)

• Tamanho do download : 1.15 GiB

• Tamanho do conjunto de dados : 310.08 MiB

• Divisões :

• Exemplos ( tfds.as_dataframe ):

mslr_web/10k_fold2

• Tamanho do download : 1.15 GiB

• Tamanho do conjunto de dados : 310.08 MiB

• Divisões :

• Exemplos ( tfds.as_dataframe ):

mslr_web/10k_fold3

• Tamanho do download : 1.15 GiB

• Tamanho do conjunto de dados : 310.08 MiB

• Divisões :

• Exemplos ( tfds.as_dataframe ):

mslr_web/10k_fold4

• Tamanho do download : 1.15 GiB

• Tamanho do conjunto de dados : 310.08 MiB

• Divisões :

• Exemplos ( tfds.as_dataframe ):

mslr_web/10k_fold5

• Tamanho do download : 1.15 GiB

• Tamanho do conjunto de dados : 310.08 MiB

• Divisões :

• Exemplos ( tfds.as_dataframe ):

mslr_web/30k_fold1

• Tamanho do download : 3.59 GiB

• Tamanho do conjunto de dados : 964.09 MiB

• Divisões :

• Exemplos ( tfds.as_dataframe ):

mslr_web/30k_fold2

• Tamanho do download : 3.59 GiB

• Tamanho do conjunto de dados : 964.09 MiB

• Divisões :

• Exemplos ( tfds.as_dataframe ):

mslr_web/30k_fold3

• Tamanho do download : 3.59 GiB

• Tamanho do conjunto de dados : 964.09 MiB

• Divisões :

• Exemplos ( tfds.as_dataframe ):

mslr_web/30k_fold4

• Tamanho do download : 3.59 GiB

• Tamanho do conjunto de dados : 964.09 MiB

• Divisões :

• Exemplos ( tfds.as_dataframe ):

mslr_web/30k_fold5

• Tamanho do download : 3.59 GiB

• Tamanho do conjunto de dados : 964.09 MiB

• Divisões :

• Exemplos ( tfds.as_dataframe ):