Dataset pubblici per la ricerca sul Learning to Rank e sul confronto tra modelli tradizionali e neurali. Consulta descrizioni, pubblicazioni da citare e condizioni di utilizzo prima del download.
Istella22 permette di confrontare metodi Learning to Rank basati su caratteristiche strutturate e approcci neurali basati su modelli linguistici preaddestrati. Comprende il testo delle query e dei documenti insieme ai vettori di caratteristiche query-documento utilizzati da un motore di ricerca industriale.
Dettagli e download →Il dataset completo Istella Learning to Rank è stato utilizzato per addestrare uno degli stadi del sistema di ranking in produzione di Istella. Consente esperimenti su larga scala su efficacia, efficienza e scalabilità del ranking.
Dettagli e download →Istella-S LETOR è un campione ridotto del dataset Istella Learning to Rank, ottenuto campionando le coppie query-documento non rilevanti. È adatto agli esperimenti che richiedono un benchmark più compatto.
Dettagli e download →Istella-X (eXtended) LETOR è un benchmark Learning to Rank esteso, ottenuto recuperando fino a 5.000 documenti per query sulla base del punteggio di ranking BM25F.
Dettagli e download →