首页
/ 推荐使用:Multi-CPR——多领域中文篇章检索数据集

推荐使用:Multi-CPR——多领域中文篇章检索数据集

2024-06-10 01:37:32作者:宣聪麟

项目简介

Multi-CPR是SIGIR2022大会上发布的多领域中文篇章检索数据集,涵盖了电子商务、娱乐视频和医疗三大领域。该数据集由数百万篇经过人工标注的查询与篇章对组成,旨在推动中英文本检索技术的发展。

项目技术分析

Multi-CPR的数据格式统一,便于处理。每个查询都有一个唯一标识符(qid),每个篇章也有其独立的标识符(pid)。提供的人工标注示例展示了不同领域的多样性。此外,项目还包含了基于Multi-CPR进行的实验实现,包括如何利用BERT进行密集检索和重排名模型的训练,这些代码基于先前的tevatronreranker项目。

应用场景

  1. 电子商务:帮助用户快速从大量商品描述中找到匹配的物品。
  2. 娱乐视频:让视频搜索引擎能够准确地向用户提供相关的视频内容。
  3. 医疗:辅助医生或病人从医学文献库中寻找疾病、症状的相关信息。

项目特点

  • 多元领域:涵盖多个专业领域,适应不同的应用需求。
  • 大规模数据:包含数百万条数据,为深度学习提供了充足的训练素材。
  • 高质量标注:所有查询-篇章对均有人工标注,保证了检索结果的准确性。
  • 开源模型:提供基于DPR和ROM模型的预训练版本,且已在ModelScope平台上开放,方便直接应用于实际场景。
  • 易用性:清晰的数据结构和代码实现,使得项目易于理解和复用。

如果你的项目涉及文本检索,无论是开发新的算法还是优化现有系统,Multi-CPR都是一个值得信赖的资源。引用这个项目时,请记得参照提供的BibTeX条目以尊重原作者的贡献。

@inproceedings{Long2022MultiCPRAM,
  author    = {Dingkun Long and Qiong Gao and Kuan Zou and Guangwei Xu and Pengjun Xie and Ruijie Guo and Jian Xu and Guanjun Jiang and Luxi Xing and Ping Yang},
  title     = {Multi-CPR: {A} Multi Domain Chinese Dataset for Passage Retrieval},
  booktitle = {{SIGIR}},
  pages     = {3046--3056},
  publisher = {{ACM}},
  year      = {2022}
}

立即探索Multi-CPR,提升你的文本检索技术到新的高度!

项目优选

收起
CangjieCommunityCangjieCommunity
为仓颉编程语言开发者打造活跃、开放、高质量的社区环境
Markdown
869
0
openHiTLSopenHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
34
28
redis-sdkredis-sdk
仓颉语言实现的Redis客户端SDK。已适配仓颉0.53.4 Beta版本。接口设计兼容jedis接口语义,支持RESP2和RESP3协议,支持发布订阅模式,支持哨兵模式和集群模式。
Cangjie
387
41
advanced-javaadvanced-java
Advanced-Java是一个Java进阶教程,适合用于学习Java高级特性和编程技巧。特点:内容深入、实例丰富、适合进阶学习。
JavaScript
75.94 K
19.09 K
RuoYi-VueRuoYi-Vue
🎉 基于SpringBoot,Spring Security,JWT,Vue & Element 的前后端分离权限管理系统,同时提供了 Vue3 的版本
Java
152
26
vue3-element-adminvue3-element-admin
🔥Vue3 + Vite5 + TypeScript + Element-Plus 构建的后台管理前端模板,配套接口文档和后端源码,vue-element-admin 的 Vue3 版本。
Vue
45
10
杨帆测试平台杨帆测试平台
扬帆测试平台是一款高效、可靠的自动化测试平台,旨在帮助团队提升测试效率、降低测试成本。该平台包括用例管理、定时任务、执行记录等功能模块,支持多种类型的测试用例,目前支持API(http和grpc协议)、性能、CI调用等功能,并且可定制化,灵活满足不同场景的需求。 其中,支持批量执行、并发执行等高级功能。通过用例设置,可以设置用例的基本信息、运行配置、环境变量等,灵活控制用例的执行。
JavaScript
10
1
GitCode光引计划有奖征文大赛GitCode光引计划有奖征文大赛
GitCode光引计划有奖征文大赛
14
1
easy-eseasy-es
Elasticsearch 国内Top1 elasticsearch搜索引擎框架es ORM框架,索引全自动智能托管,如丝般顺滑,与Mybatis-plus一致的API,屏蔽语言差异,开发者只需要会MySQL语法即可完成对Es的相关操作,零额外学习成本.底层采用RestHighLevelClient,兼具低码,易用,易拓展等特性,支持es独有的高亮,权重,分词,Geo,嵌套,父子类型等功能...
Java
20
3
Yi-CoderYi-Coder
Yi Coder 编程模型,小而强大的编程助手
HTML
63
10