istella

• Deskripsi :

Dataset Istella adalah tiga dataset Learning-to-Rank berskala besar yang dirilis oleh Istella. Setiap dataset terdiri dari pasangan dokumen kueri yang direpresentasikan sebagai vektor fitur dan label penilaian relevansi yang sesuai.

Dataset berisi tiga versi:

• main ("Istella LETOR"): Berisi 10.454.629 pasangan dokumen permintaan.
• s ("Istella-S LETOR"): Berisi 3.408.630 pasangan dokumen permintaan.
• x ("Istella-X LETOR"): Berisi 26.791.447 pasangan dokumen kueri.

Anda dapat menentukan apakah akan menggunakan versi main , s atau x dari kumpulan data sebagai berikut:

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

Jika hanya istella yang ditentukan, opsi istella/main dipilih secara default:

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

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

• Kode sumber : tfds.ranking.istella.Istella

• Versi :

  • 1.0.0 : Rilis awal.
  • 1.0.1 : Perbaiki serialisasi untuk mendukung float64.
  • 1.1.0 : Gabungkan fitur menjadi satu fitur 'float_features'.
  • 1.2.0 (default): Menambahkan kueri dan pengidentifikasi dokumen.

• Di-cache otomatis ( dokumentasi ): Tidak

• Struktur fitur :

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),
})

• Dokumentasi fitur :

Fitur	Kelas	Membentuk	Dtype	Keterangan
	fiturDict
doc_id	Tensor	(Tidak ada,)	int64
float_features	Tensor	(Tidak ada, 220)	float64
label	Tensor	(Tidak ada,)	float64
query_id	Teks		rangkaian

• Kunci yang diawasi (Lihat as_supervised doc ): None

• Gambar ( tfds.show_examples ): Tidak didukung.

• Kutipan :

@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 (konfigurasi default)

• Ukuran unduhan : 1.20 GiB

• Ukuran dataset : 1.12 GiB

• Perpecahan :

Membelah	Contoh
'test'	9.799
'train'	23.219

• Contoh ( tfds.as_dataframe ):

istella/s

• Ukuran unduhan : 450.26 MiB

• Ukuran dataset : 421.88 MiB

• Perpecahan :

Membelah	Contoh
'test'	6.562
'train'	19.245
'vali'	7.211

• Contoh ( tfds.as_dataframe ):

istella/x

• Ukuran unduhan : 4.42 GiB

• Ukuran dataset : 2.46 GiB

• Perpecahan :

Membelah	Contoh
'test'	2.000
'train'	6.000
'vali'	2.000

• Contoh ( tfds.as_dataframe ):