皮埃罗格数据集-英语短文本主题相关性评估数据集
数据来源：互联网公开数据
标签：文本,主题,相关性,评测,机器学习,教育,英语,自然语言处理,ChatGPT,GPT-4
数据概述：
皮埃罗格数据集是一个小型、开放许可的、机器生成的数据集，包含十五篇短篇英语文本，涵盖五个主题，并附带相关性判断（qrels），专为教育目的设计。
主题包括：宇宙、自然、音乐、科技、时尚。
数据集被划分为训练集（10篇文档，375个qrels）和测试集（5篇文档，150个qrels）。
文本由ChatGPT 3.5生成。查询、qrels和类比由GPT-4生成。词语提供了基于Google News数据集的Word2Vec嵌入。
数据用途概述：
该数据集主要用于教育和研究目的，尤其适用于以下场景：
1. 文本相关性评估： 训练和测试文本相关性模型，例如信息检索系统。
2. 自然语言处理教学： 用于教授和实践文本分析、信息检索、语义理解等自然语言处理技术。
3. 机器学习入门： 作为小型数据集，便于学生和研究人员进行机器学习模型的构建和评估。
4. 数据集探索： 探索不同主题文本之间的关系，以及评估不同主题的文本质量。
5. 模型训练： 可以用来训练小型文本分类模型或相关性模型。
