mslr_web

• 説明:

MSLR-WEB は、Microsoft Research によってリリースされた 2 つの大規模な Learning-to-Rank データセットです。最初のデータセット (「30k」と呼ばれる) には 30,000 のクエリが含まれ、2 番目のデータセット (「10k」と呼ばれる) には 10,000 のクエリが含まれます。各データセットは、特徴ベクトルとして表されるクエリとドキュメントのペアと、対応する関連性判断ラベルで構成されます。

データセットの「10k」または「30k」バージョンを使用するかどうか、および対応するフォールドを次のように指定できます。

ds = tfds.load("mslr_web/30k_fold1")

mslr_webのみが指定されている場合、デフォルトでmslr_web/10k_fold1オプションが選択されます。

# This is the same as `tfds.load("mslr_web/10k_fold1")`
ds = tfds.load("mslr_web")

• ホームページ: https://www.microsoft.com/en-us/research/project/mslr/

• ソース コード: tfds.ranking.mslr_web.MslrWeb

• バージョン:

  • 1.0.0 : 初期リリース。
  • 1.1.0 : 機能を単一の「float_features」機能にバンドルします。
  • 1.2.0 (デフォルト): クエリとドキュメントの識別子を追加します。

• 自動キャッシュ(ドキュメント): いいえ

• 機能構造:

FeaturesDict({
    'doc_id': Tensor(shape=(None,), dtype=int64),
    'float_features': Tensor(shape=(None, 136), dtype=float64),
    'label': Tensor(shape=(None,), dtype=float64),
    'query_id': Text(shape=(), dtype=string),
})

• 機能のドキュメント:

特徴	クラス	形	Dtype	説明
	特徴辞書
doc_id	テンソル	（なし、）	int64
float_features	テンソル	(なし、136)	float64
ラベル	テンソル	（なし、）	float64
query_id	文章		ストリング

• 監視されたキー( as_supervised docを参照): None

• 図( tfds.show_examples ): サポートされていません。

• 引用：

@article{DBLP:journals/corr/QinL13,
  author    = {Tao Qin and Tie{-}Yan Liu},
  title     = {Introducing {LETOR} 4.0 Datasets},
  journal   = {CoRR},
  volume    = {abs/1306.2597},
  year      = {2013},
  url       = {http://arxiv.org/abs/1306.2597},
  timestamp = {Mon, 01 Jul 2013 20:31:25 +0200},
  biburl    = {http://dblp.uni-trier.de/rec/bib/journals/corr/QinL13},
  bibsource = {dblp computer science bibliography, http://dblp.org}
}

mslr_web/10k_fold1 (デフォルト設定)

• ダウンロードサイズ: 1.15 GiB

• データセットのサイズ: 310.08 MiB

• スプリット:

スプリット	例
'test'	2,000
'train'	6,000
'vali'	2,000

• 例( tfds.as_dataframe ):

mslr_web/10k_fold2

• ダウンロードサイズ: 1.15 GiB

• データセットのサイズ: 310.08 MiB

• スプリット:

スプリット	例
'test'	2,000
'train'	6,000
'vali'	2,000

• 例( tfds.as_dataframe ):

mslr_web/10k_fold3

• ダウンロードサイズ: 1.15 GiB

• データセットのサイズ: 310.08 MiB

• スプリット:

スプリット	例
'test'	2,000
'train'	6,000
'vali'	2,000

• 例( tfds.as_dataframe ):

mslr_web/10k_fold4

• ダウンロードサイズ: 1.15 GiB

• データセットのサイズ: 310.08 MiB

• スプリット:

スプリット	例
'test'	2,000
'train'	6,000
'vali'	2,000

• 例( tfds.as_dataframe ):

mslr_web/10k_fold5

• ダウンロードサイズ: 1.15 GiB

• データセットのサイズ: 310.08 MiB

• スプリット:

スプリット	例
'test'	2,000
'train'	6,000
'vali'	2,000

• 例( tfds.as_dataframe ):

mslr_web/30k_fold1

• ダウンロードサイズ: 3.59 GiB

• データセットサイズ: 964.09 MiB

• スプリット:

スプリット	例
'test'	6,306
'train'	18,919
'vali'	6,306

• 例( tfds.as_dataframe ):

mslr_web/30k_fold2

• ダウンロードサイズ: 3.59 GiB

• データセットサイズ: 964.09 MiB

• スプリット:

スプリット	例
'test'	6,307
'train'	18,918
'vali'	6,306

• 例( tfds.as_dataframe ):

mslr_web/30k_fold3

• ダウンロードサイズ: 3.59 GiB

• データセットサイズ: 964.09 MiB

• スプリット:

スプリット	例
'test'	6,306
'train'	18,918
'vali'	6,307

• 例( tfds.as_dataframe ):

mslr_web/30k_fold4

• ダウンロードサイズ: 3.59 GiB

• データセットサイズ: 964.09 MiB

• スプリット:

スプリット	例
'test'	6,306
'train'	18,919
'vali'	6,306

• 例( tfds.as_dataframe ):

mslr_web/30k_fold5

• ダウンロードサイズ: 3.59 GiB

• データセットサイズ: 964.09 MiB

• スプリット:

スプリット	例
'test'	6,306
'train'	18,919
'vali'	6,306

• 例( tfds.as_dataframe ):