Descrizione
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.
- 33.018 query; 220 caratteristiche per coppia query-documento
- 3.408.630 coppie; circa 103 esempi per query
- Suddivisione training/validation/test: 60% / 20% / 20%
Pubblicazioni da citare
Se utilizzi questo dataset nella tua ricerca, riconosci il contributo di Istella SpA e cita le seguenti pubblicazioni:
Claudio Lucchese, Franco Maria Nardini, Salvatore Orlando, Raffaele Perego, Fabrizio Silvestri, Salvatore Trani. 2016. Post-Learning Optimization of Tree Ensembles for Efficient Ranking. Proceedings of the 39th International ACM SIGIR Conference on Research and Development in Information Retrieval. 10.1145/2911451.2914763.
BibTeX
@inproceedings{istellaS2016,
author = {Claudio Lucchese and Franco Maria Nardini and Salvatore Orlando and Raffaele Perego and Fabrizio Silvestri and Salvatore Trani},
title = {Post-Learning Optimization of Tree Ensembles for Efficient Ranking},
booktitle = {Proceedings of the 39th International ACM SIGIR Conference on Research and Development in Information Retrieval},
year = {2016},
doi = {10.1145/2911451.2914763},
url = {https://doi.org/10.1145/2911451.2914763},
pages = {949--952},
}
Domenico Dato, Claudio Lucchese, Franco Maria Nardini, Salvatore Orlando, Raffaele Perego, Nicola Tonellotto, Rossano Venturini. 2016. Fast Ranking with Additive Ensembles of Oblivious and Non-Oblivious Regression Trees. ACM Transactions on Information Systems. 10.1145/2987380.
BibTeX
@article{istellaLetor2016,
author = {Domenico Dato and Claudio Lucchese and Franco Maria Nardini and Salvatore Orlando and Raffaele Perego and Nicola Tonellotto and Rossano Venturini},
title = {Fast Ranking with Additive Ensembles of Oblivious and Non-Oblivious Regression Trees},
journal = {ACM Transactions on Information Systems},
year = {2016},
doi = {10.1145/2987380},
url = {https://doi.org/10.1145/2987380},
volume = {35},
number = {2},
articleno = {15},
numpages = {31},
}
Download
Il dataset è disponibile esclusivamente per uso non commerciale. Leggi e accetta la licenza prima di scaricare i file. Leggi la licenza.