istella

• คำอธิบาย :

ชุดข้อมูล Istella เป็นชุดข้อมูล Learning-to-Rank ขนาดใหญ่ 3 ชุดที่เผยแพร่โดย Istella ชุดข้อมูลแต่ละชุดประกอบด้วยคู่ของคิวรี-เอกสารที่แสดงเป็นเวกเตอร์คุณลักษณะและป้ายกำกับการตัดสินความเกี่ยวข้องที่สอดคล้องกัน

ชุดข้อมูลมีสามเวอร์ชัน:

• main ("Istella LETOR"): มีคู่เอกสารการสืบค้น 10,454,629 คู่
• s ("Istella-S LETOR"): มีคู่เอกสารแบบสอบถาม 3,408,630 คู่
• x ("Istella-X LETOR"): มีคู่เอกสารการสืบค้น 26,791,447 คู่

คุณสามารถระบุว่าจะใช้ชุดข้อมูลเวอร์ชัน main , s หรือ x ดังต่อไปนี้:

ds = tfds.load("istella/main")
ds = tfds.load("istella/s")
ds = tfds.load("istella/x")

หากระบุเฉพาะ istella ตัวเลือก istella/main จะถูกเลือกตามค่าเริ่มต้น:

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

• หน้าแรก : http://quickrank.isti.cnr.it/istella-dataset/

• รหัสที่มา : tfds.ranking.istella.Istella

• รุ่น :

  • 1.0.0 : การเปิดตัวครั้งแรก
  • 1.0.1 : แก้ไขการทำให้เป็นอนุกรมเพื่อรองรับ float64
  • 1.1.0 : รวมคุณสมบัติเป็นคุณสมบัติ 'float_features' เดียว
  • 1.2.0 (ค่าเริ่มต้น): เพิ่มตัวระบุการค้นหาและเอกสาร

• แคชอัตโนมัติ ( เอกสารประกอบ ): ไม่

• โครงสร้างคุณลักษณะ :

FeaturesDict({
    'doc_id': Tensor(shape=(None,), dtype=int64),
    'float_features': Tensor(shape=(None, 220), dtype=float64),
    'label': Tensor(shape=(None,), dtype=float64),
    'query_id': Text(shape=(), dtype=string),
})

• เอกสารคุณสมบัติ :

• คีย์ภายใต้การดูแล (ดู as_supervised doc ): None

• รูปภาพ ( tfds.show_examples ): ไม่รองรับ

• การอ้างอิง :

@article{10.1145/2987380,
  author = {Dato, Domenico and Lucchese, Claudio and Nardini, Franco Maria and Orlando, Salvatore and Perego, Raffaele and Tonellotto, Nicola and Venturini, Rossano},
  title = {Fast Ranking with Additive Ensembles of Oblivious and Non-Oblivious Regression Trees},
  year = {2016},
  publisher = {ACM},
  address = {New York, NY, USA},
  volume = {35},
  number = {2},
  issn = {1046-8188},
  url = {https://doi.org/10.1145/2987380},
  doi = {10.1145/2987380},
  journal = {ACM Transactions on Information Systems},
  articleno = {15},
  numpages = {31},
}

istella/main (การกำหนดค่าเริ่มต้น)

• ขนาดการดาวน์โหลด : 1.20 GiB

• ขนาดชุดข้อมูล : 1.12 GiB

• แยก :

• ตัวอย่าง ( tfds.as_dataframe ):

อิสเทลล่า/เอส

• ขนาดการดาวน์โหลด : 450.26 MiB

• ขนาดชุดข้อมูล : 421.88 MiB

• แยก :

• ตัวอย่าง ( tfds.as_dataframe ):

อิสเตลลา/x

• ขนาดการดาวน์โหลด : 4.42 GiB

• ขนาดชุดข้อมูล : 2.46 GiB

• แยก :

• ตัวอย่าง ( tfds.as_dataframe ):

• คำอธิบาย :

ชุดข้อมูล Istella เป็นชุดข้อมูล Learning-to-Rank ขนาดใหญ่ 3 ชุดที่เผยแพร่โดย Istella ชุดข้อมูลแต่ละชุดประกอบด้วยคู่ของคิวรี-เอกสารที่แสดงเป็นเวกเตอร์คุณลักษณะและป้ายกำกับการตัดสินความเกี่ยวข้องที่สอดคล้องกัน

ชุดข้อมูลมีสามเวอร์ชัน:

• main ("Istella LETOR"): มีคู่เอกสารการสืบค้น 10,454,629 คู่
• s ("Istella-S LETOR"): มีคู่เอกสารแบบสอบถาม 3,408,630 คู่
• x ("Istella-X LETOR"): มีคู่เอกสารการสืบค้น 26,791,447 คู่

คุณสามารถระบุว่าจะใช้ชุดข้อมูลเวอร์ชัน main , s หรือ x ดังต่อไปนี้:

ds = tfds.load("istella/main")
ds = tfds.load("istella/s")
ds = tfds.load("istella/x")

หากระบุเฉพาะ istella ตัวเลือก istella/main จะถูกเลือกตามค่าเริ่มต้น:

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

• หน้าแรก : http://quickrank.isti.cnr.it/istella-dataset/

• รหัสที่มา : tfds.ranking.istella.Istella

• รุ่น :

  • 1.0.0 : การเปิดตัวครั้งแรก
  • 1.0.1 : แก้ไขการทำให้เป็นอนุกรมเพื่อรองรับ float64
  • 1.1.0 : รวมคุณสมบัติเป็นคุณสมบัติ 'float_features' เดียว
  • 1.2.0 (ค่าเริ่มต้น): เพิ่มตัวระบุการค้นหาและเอกสาร

• แคชอัตโนมัติ ( เอกสารประกอบ ): ไม่

• โครงสร้างคุณลักษณะ :

FeaturesDict({
    'doc_id': Tensor(shape=(None,), dtype=int64),
    'float_features': Tensor(shape=(None, 220), dtype=float64),
    'label': Tensor(shape=(None,), dtype=float64),
    'query_id': Text(shape=(), dtype=string),
})

• เอกสารคุณสมบัติ :

• คีย์ภายใต้การดูแล (ดู as_supervised doc ): None

• รูปภาพ ( tfds.show_examples ): ไม่รองรับ

• การอ้างอิง :

@article{10.1145/2987380,
  author = {Dato, Domenico and Lucchese, Claudio and Nardini, Franco Maria and Orlando, Salvatore and Perego, Raffaele and Tonellotto, Nicola and Venturini, Rossano},
  title = {Fast Ranking with Additive Ensembles of Oblivious and Non-Oblivious Regression Trees},
  year = {2016},
  publisher = {ACM},
  address = {New York, NY, USA},
  volume = {35},
  number = {2},
  issn = {1046-8188},
  url = {https://doi.org/10.1145/2987380},
  doi = {10.1145/2987380},
  journal = {ACM Transactions on Information Systems},
  articleno = {15},
  numpages = {31},
}

istella/main (การกำหนดค่าเริ่มต้น)

• ขนาดการดาวน์โหลด : 1.20 GiB

• ขนาดชุดข้อมูล : 1.12 GiB

• แยก :

• ตัวอย่าง ( tfds.as_dataframe ):

อิสเทลล่า/เอส

• ขนาดการดาวน์โหลด : 450.26 MiB

• ขนาดชุดข้อมูล : 421.88 MiB

• แยก :

• ตัวอย่าง ( tfds.as_dataframe ):

อิสเตลลา/x

• ขนาดการดาวน์โหลด : 4.42 GiB

• ขนาดชุดข้อมูล : 2.46 GiB

• แยก :

• ตัวอย่าง ( tfds.as_dataframe ):