我正在寻找类似“英语相关性判断文件列表”的数据集： http://trec.nist.gov/data/qrels_eng

这个数据集包含标记的查询和文档对。然而，它依赖于一个非免费的语料库，称为“数据 – 英语文档”：http://trec.nist.gov/data/docs_eng.html

你知道有哪些类似的免费数据集吗？

附注：该数据集将用于基于神经网络构建信息检索系统的研究项目中。

回答：

你在问题中混淆了几种TREC集合。ClueWeb09和trec.nist.gov/data/docs_eng.html指向的文档集都是独立的文档集。也就是说，每个文档集都有自己独特的查询（主题）和相关性判断，这些并不是文档集分发的一部分。

有数十种不同的TREC文本检索测试集合。可用的集合在TREC数据页面（trec.nist.gov/data.html）上列出，按它们创建的TREC轨道组织。它们以这种方式组织，因为这些集合通常是针对支持该轨道设计的检索问题而设计的。

一般来说，查询和相关性判断可以直接从TREC网站下载。文档集通常需要购买：这些文档集要么由原始来源版权所有，必须获得许可，要么与收集/分发文档集相关联的其他重大费用。一些旧的TREC文档集如果参与TREC可以免费获得（尽管今年已不再是选项）。少数文档集是免费的，尽管大多数仍需要签署数据使用协议。基因组学轨道有一个临时搜索任务，其文档集在签署数据使用协议后免费。请参见 http://trec.nist.gov/data/genomics.html 。

格拉斯哥大学维护了一个页面，指向其他可用的测试集合，其中一些是免费的，网址为 http://ir.dcs.gla.ac.uk/resources/test_collections/ 。这些大部分是TREC之前（1992年前）的集合，按照今天的标准非常小。（“小”指的是你可能会发现论文审稿人对仅在小集合上展示的结果持高度怀疑态度。）

Ellen Voorhees，TREC项目经理，NIST