介绍trec会议的一个ppt，出自中科院。

TREC WebTrack 这是一个用于在即席任务上采用机器学习模型的存储库。 任何问题，PR或建议都将受到欢迎。 更具体地说，这些模型是查询文档对的重新排序模型。 由于计算每个查询文档对的相关性得分的成本太高，因此我们的目的是对每年的QL提交进行排名，您可以在找到它们。 这些模型能够根据文本文档与特定查询的相关性对文本文档列表进行排序。 可以使用此存储库来训练您的重新模型，或对定制数据（即一组查询和文档）使用预训练。 当前，实现了2个模型，其描述如下： Kai Hui，Andrew Yates，Klaus Berberich，Gerard de Melo。 。 在EMNLP中，2017年。 Kai Hui，Andrew Yates，Klaus Berberich，Gerard de Melo。 。 在WSDM中，2018年。 它们的实现改编自。 要安装运行（Python 3

TrecIRE评估 Trec评估通过搜索ElasticSearch Index检索到的排名文档 对于ES索引上的每个查询，都要计算R精度，平均精度，nDCG，precision @ k，recall @ k和F1 @ k（k = 5,10、20、50、100），以检查检索的有效性。 URL Http使用curl请求与弹性搜索之间的来回数据交换获取和放置请求。 使用Matlab 2-D图数据分析工具创建了精确调用图。

python库，解压后可用。 资源全名：trec_dd-0.2.2.dev6-py2.7.egg

介绍信息检索的评价，包括： 1、基本指标：召回率、正确率 其他指标：F值、AP、MAP 2、TREC会议概况

针对TREC数据集的深度学习文本分类代码

近年来，随着互联网的发展以及现代的、廉价的图形用户界面和大容量存储设备的出现，信息检索（information retrieval, IR）领域已经发生了巨大的变化，这使得传统的信息检索教材变得过时，所以很有必要通过竞赛来提高研究人员对技术的认识，trec是信息检索领域十分重要的一个竞赛，本课程是以2017年的trec竞赛为例。