yahoo_ltrc

  • opis :

Zestaw danych Yahoo Learning to Rank Challenge (zwany także „C14”) to zestaw danych Learning to Rank wydany przez Yahoo. Zestaw danych składa się z par zapytanie-dokument reprezentowanych jako wektory cech i odpowiadające im etykiety oceny istotności.

Zestaw danych zawiera dwie wersje:

  • set1 : Zawiera 709 877 par zapytanie-dokument.
  • set2 : Zawiera 172 870 par zapytanie-dokument.

Możesz określić, czy chcesz użyć wersji set1 czy set2 zestawu danych w następujący sposób:

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

Jeśli podano tylko yahoo_ltrc , opcja yahoo_ltrc/set1 jest wybrana domyślnie:

# This is the same as `tfds.load("yahoo_ltrc/set1")`
ds = tfds.load("yahoo_ltrc")
  • Strona główna : https://research.yahoo.com/datasets

  • Kod źródłowy : tfds.ranking.yahoo_ltrc.YahooLTRC

  • Wersje :

    • 1.0.0 : Pierwsza wersja.
    • 1.1.0 (domyślnie): Dodaj identyfikatory zapytań i dokumentów.
  • Rozmiar pliku do pobrania : Unknown size

  • Instrukcje ręcznego pobierania : ten zestaw danych wymaga ręcznego pobrania danych źródłowych do katalogu download_config.manual_dir (domyślnie ~/tensorflow_datasets/downloads/manual/ ):
    Poproś o dostęp do zestawu danych C14 Yahoo Learning To Rank Challenge na stronie https://research.yahoo.com/datasets Wyodrębnij pobrany plik dataset.tgz i umieść plik ltrc_yahoo.tar.bz2 w katalogu manual_dir/ .

  • Klucze nadzorowane (Zobacz dokument as_supervised ): None

  • Rysunek ( tfds.show_examples ): Nieobsługiwany.

  • Cytat :

@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 (domyślna konfiguracja)

  • Rozmiar zbioru danych : 795.39 MiB

  • Automatyczne buforowanie ( dokumentacja ): Nie

  • Podziały :

Podział Przykłady
'test' 6983
'train' 19944
'vali' 2994
  • Struktura funkcji :
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),
})
  • Dokumentacja funkcji :
Funkcja Klasa Kształt Typ D Opis
FunkcjeDict
identyfikator_dokumentu Napinacz (Nic,) int64
float_features Napinacz (Brak, 699) pływak64
etykieta Napinacz (Nic,) pływak64
identyfikator_zapytania Tekst strunowy

yahoo_ltrc/set2

  • Rozmiar zestawu danych : 194.92 MiB

  • Automatyczne buforowanie ( dokumentacja ): Tak

  • Podziały :

Podział Przykłady
'test' 3798
'train' 1266
'vali' 1266
  • Struktura funkcji :
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),
})
  • Dokumentacja funkcji :
Funkcja Klasa Kształt Typ D Opis
FunkcjeDict
identyfikator_dokumentu Napinacz (Nic,) int64
float_features Napinacz (Brak, 700) pływak64
etykieta Napinacz (Nic,) pływak64
identyfikator_zapytania Tekst strunowy