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 :

• 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 :

• Przykłady ( tfds.as_dataframe ):

yahoo_ltrc/set2

• Rozmiar zestawu danych : 194.92 MiB

• Automatyczne buforowanie ( dokumentacja ): Tak

• Podziały :

• 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 :

• Przykłady ( tfds.as_dataframe ):