标题： DSEBench：一个带有示例的可解释数据集搜索测试集合 显示英文标题

标题： DSEBench: A Test Collection for Explainable Dataset Search with Examples

摘要： 数据集搜索已成为一个确立的信息检索任务。 当前的范式要么检索与关键词查询相关的数据集，要么找到与输入目标数据集相似的数据集。 为了允许它们共同指定信息需求，本文我们研究了更通用的数据集搜索任务（DSE），并进一步扩展为可解释的DSE，这需要识别数据集的元数据和内容字段，以表明其与查询的相关性和与目标数据集的相似性。 为了促进这项研究，我们构建了DSEBench，这是一个测试集合，提供高质量的数据集和字段级注释，以实现可解释的DSE评估。 我们还使用了一个大型语言模型生成大量注释用于训练。 我们通过适应和评估各种稀疏、密集和基于LLM的检索、重新排序和解释方法，在DSEBench上建立了广泛的基线。 显示英文摘要

摘要： Dataset search has been an established information retrieval task. Current paradigms either retrieve datasets that are relevant to a keyword query or find datasets that are similar to an input target dataset. To allow for their combined specification of information needs, in this article, we investigate the more generalized task of Dataset Search with Examples (DSE) and further extend it to Explainable DSE that requires identifying the metadata and content fields of a dataset that indicate its relevance to the query and similarity to the target datasets. To facilitate this research, we construct DSEBench, a test collection that provides high-quality dataset- and field-level annotations to enable the evaluation of explainable DSE. We also employ a large language model to generate numerous annotations to be used for training. We establish extensive baselines on DSEBench by adapting and evaluating a variety of sparse, dense, and LLM-based retrieval, reranking, and explanation methods.