文本信息檢索結果分析數據集（文本）

Question

我已經創建了文本語義搜索引擎。但是，我無法找到已標記的數據集，以便我可以評估系統的信息檢索。

是否有任何公開的可用文件（文本）被標記。因爲我需要文本文檔來評估信息檢索結果。 （召回，精度，F1值...）

謝謝。

Answer 1

我在這方面做研究。在我所有的研究中，我使用了AOL dataset，它包括從三個月（2006年3月1日至2006年5月31日）從約650k用戶收集的〜20M網頁查詢。數據按匿名用戶ID排序並依次排列。數據組包括{AnonID, Query, QueryTime, ItemRank, ClickURL}。更多細節可以在上面提到的鏈接中找到。我很想知道你是如何實現的，如果可能的話，分享你的引擎代碼。我也很想知道你的搜索引擎中AOL數據集的表現。

你可以在我的git repository找到數據集。謝謝！