yahoo_ltrc

• תיאור :

מערך הנתונים של Yahoo Learning to Rank Challenge (נקרא גם "C14") הוא מערך נתונים של למידה לדירוג שפורסם על ידי Yahoo. מערך הנתונים מורכב מזוגות שאילתה-מסמכים המיוצגים בתור וקטורים של תכונה ותוויות שיפוט מתאימות של רלוונטיות.

מערך הנתונים מכיל שתי גרסאות:

• set1 : מכיל 709,877 זוגות שאילתה-מסמכים.
• set2 : מכיל 172,870 זוגות שאילתה-מסמכים.

אתה יכול לציין אם להשתמש בגרסת set1 או set2 של מערך הנתונים באופן הבא:

ds = tfds.load("yahoo_ltrc/set1")
ds = tfds.load("yahoo_ltrc/set2")

אם צוין רק yahoo_ltrc , האפשרות yahoo_ltrc/set1 נבחרה כברירת מחדל:

# This is the same as `tfds.load("yahoo_ltrc/set1")`
ds = tfds.load("yahoo_ltrc")

• דף הבית : https://research.yahoo.com/datasets

• קוד מקור : tfds.ranking.yahoo_ltrc.YahooLTRC

• גרסאות :

  • 1.0.0 : שחרור ראשוני.
  • 1.1.0 (ברירת מחדל): הוסף מזהי שאילתה ומזהי מסמכים.

• גודל הורדה : Unknown size

• הוראות הורדה ידניות : מערך נתונים זה מחייב אותך להוריד את נתוני המקור באופן ידני אל download_config.manual_dir (ברירת המחדל היא ~/tensorflow_datasets/downloads/manual/ ):
  בקש גישה למערך הנתונים C14 Yahoo Learning To Rank Challenge ב- https://research.yahoo.com/datasets חלץ את הקובץ dataset.tgz שהורדת והצב את הקובץ ltrc_yahoo.tar.bz2 ב- manual_dir/ .

• מפתחות בפיקוח (ראה as_supervised doc ): None

• איור ( tfds.show_examples ): לא נתמך.

• ציטוט :

@inproceedings{chapelle2011yahoo,
  title={Yahoo! learning to rank challenge overview},
  author={Chapelle, Olivier and Chang, Yi},
  booktitle={Proceedings of the learning to rank challenge},
  pages={1--24},
  year={2011},
  organization={PMLR}
}

yahoo_ltrc/set1 (תצורת ברירת המחדל)

• גודל מערך נתונים : 795.39 MiB

• שמירה אוטומטית במטמון ( תיעוד ): לא

• פיצולים :

• מבנה תכונה :

FeaturesDict({
    'doc_id': Tensor(shape=(None,), dtype=int64),
    'float_features': Tensor(shape=(None, 699), dtype=float64),
    'label': Tensor(shape=(None,), dtype=float64),
    'query_id': Text(shape=(), dtype=string),
})

• תיעוד תכונה :

• דוגמאות ( tfds.as_dataframe ):

yahoo_ltrc/set2

• גודל ערכת נתונים: 194.92 MiB

• שמור אוטומטי במטמון ( תיעוד ): כן

• פיצולים :

• מבנה תכונה :

FeaturesDict({
    'doc_id': Tensor(shape=(None,), dtype=int64),
    'float_features': Tensor(shape=(None, 700), dtype=float64),
    'label': Tensor(shape=(None,), dtype=float64),
    'query_id': Text(shape=(), dtype=string),
})

• תיעוד תכונה :

• דוגמאות ( tfds.as_dataframe ):