SSRB est un jeu de données de référence à grande échelle pour l'interrogation en langage naturel de données semi-structurées. Il a été publié en 2025 par l'Institut de technologie de Harbin (Shenzhen), en collaboration avec l'Université polytechnique de Hong Kong, l'Université Tsinghua et d'autres institutions. Parmi les articles de recherche associés, on peut citer… SSRB : Interrogation directe en langage naturel de données semi-structurées hétérogènes massivesIl a été sélectionné pour les ensembles de données et les benchmarks NeurIPS 2025, qui visent à évaluer et à promouvoir la capacité du modèle à récupérer des données semi-structurées dans des conditions de requêtes complexes en langage naturel.

Cet ensemble de données contient environ 14 millions d'objets de données semi-structurées et 8 485 requêtes de test, couvrant six domaines différents et impliquant 99 modèles différents. Chaque requête répond aux exigences de recherche de données semi-structurées. Les conditions de requête combinent généralement des contraintes de correspondance de champs précises avec des exigences de correspondance sémantique floue, et peuvent impliquer plusieurs champs et une inférence implicite. Il est utilisé pour évaluer systématiquement la capacité du modèle à extraire et à comprendre des données semi-structurées dans des conditions de requête complexes.