mslr_web

• Açıklama :

MSLR-WEB, Microsoft Research tarafından yayımlanan iki büyük ölçekli Sıralamaya Göre Öğrenme veri kümesidir. İlk veri seti ("30k" olarak adlandırılır) 30.000 sorgu içerir ve ikinci veri seti ("10k" olarak adlandırılır) 10.000 sorgu içerir. Her veri kümesi, özellik vektörleri ve karşılık gelen alaka değerlendirme etiketleri olarak temsil edilen sorgu-belge çiftlerinden oluşur.

Veri kümesinin "10k" veya "30k" versiyonunun kullanılıp kullanılmayacağını ve buna karşılık gelen bir katlamayı aşağıdaki gibi belirtebilirsiniz:

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

Yalnızca mslr_web belirtilirse, varsayılan olarak mslr_web/10k_fold1 seçeneği seçilir:

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

• Ana Sayfa : https://www.microsoft.com/en-us/research/project/mslr/

• Kaynak kodu : tfds.ranking.mslr_web.MslrWeb

• sürümler :

  • 1.0.0 : İlk sürüm.
  • 1.1.0 : Özellikleri tek bir 'float_features' özelliğinde toplayın.
  • 1.2.0 (varsayılan): Sorgu ve belge tanımlayıcıları ekleyin.

• Otomatik önbelleğe alınmış ( belgeleme ): Hayır

• Özellik yapısı :

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),
})

• Özellik belgeleri :

Özellik	Sınıf	Şekil	Dtipi	Açıklama
	ÖzelliklerDict
doc_id	tensör	(Hiçbiri,)	int64
float_features	tensör	(Yok, 136)	şamandıra64
etiket	tensör	(Hiçbiri,)	şamandıra64
sorgu_kimliği	Metin		sicim

• Denetlenen anahtarlar (Bkz as_supervised doc ): None

• Şekil ( tfds.show_examples ): Desteklenmiyor.

• Alıntı :

@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 (varsayılan yapılandırma)

• İndirme boyutu : 1.15 GiB

• Veri kümesi boyutu : 310.08 MiB

• bölmeler :

Bölmek	örnekler
'test'	2.000
'train'	6.000
'vali'	2.000

• Örnekler ( tfds.as_dataframe ):

mslr_web/10k_fold2

• İndirme boyutu : 1.15 GiB

• Veri kümesi boyutu : 310.08 MiB

• bölmeler :

Bölmek	örnekler
'test'	2.000
'train'	6.000
'vali'	2.000

• Örnekler ( tfds.as_dataframe ):

mslr_web/10k_fold3

• İndirme boyutu : 1.15 GiB

• Veri kümesi boyutu : 310.08 MiB

• bölmeler :

Bölmek	örnekler
'test'	2.000
'train'	6.000
'vali'	2.000

• Örnekler ( tfds.as_dataframe ):

mslr_web/10k_fold4

• İndirme boyutu : 1.15 GiB

• Veri kümesi boyutu : 310.08 MiB

• bölmeler :

Bölmek	örnekler
'test'	2.000
'train'	6.000
'vali'	2.000

• Örnekler ( tfds.as_dataframe ):

mslr_web/10k_fold5

• İndirme boyutu : 1.15 GiB

• Veri kümesi boyutu : 310.08 MiB

• bölmeler :

Bölmek	örnekler
'test'	2.000
'train'	6.000
'vali'	2.000

• Örnekler ( tfds.as_dataframe ):

mslr_web/30k_fold1

• İndirme boyutu : 3.59 GiB

• Veri kümesi boyutu : 964.09 MiB

• bölmeler :

Bölmek	örnekler
'test'	6.306
'train'	18.919
'vali'	6.306

• Örnekler ( tfds.as_dataframe ):

mslr_web/30k_fold2

• İndirme boyutu : 3.59 GiB

• Veri kümesi boyutu : 964.09 MiB

• bölmeler :

Bölmek	örnekler
'test'	6.307
'train'	18.918
'vali'	6.306

• Örnekler ( tfds.as_dataframe ):

mslr_web/30k_fold3

• İndirme boyutu : 3.59 GiB

• Veri kümesi boyutu : 964.09 MiB

• bölmeler :

Bölmek	örnekler
'test'	6.306
'train'	18.918
'vali'	6.307

• Örnekler ( tfds.as_dataframe ):

mslr_web/30k_fold4

• İndirme boyutu : 3.59 GiB

• Veri kümesi boyutu : 964.09 MiB

• bölmeler :

Bölmek	örnekler
'test'	6.306
'train'	18.919
'vali'	6.306

• Örnekler ( tfds.as_dataframe ):

mslr_web/30k_fold5

• İndirme boyutu : 3.59 GiB

• Veri kümesi boyutu : 964.09 MiB

• bölmeler :

Bölmek	örnekler
'test'	6.306
'train'	18.919
'vali'	6.306

• Örnekler ( tfds.as_dataframe ):